CVPRApr, 2024

利用事件相机观测夜间运动

PDF
TL;DR我们提出了一种针对夜间动态场景的新方法，利用事件相机进行成像。我们通过时间尾随特性和空间非均匀分布的观察，构建了一个夜间事件重建网络，包括学习能力的事件时间戳校准模块以对齐时间尾随事件，和一个非均匀光照感知模块以稳定时空事件分布。通过构建配对的真实低光事件数据集，我们的方法在视觉质量和泛化能力上都优于现有方法。
nighttime dynamic imagingevent cameratemporal trailing eventsnon-uniform illuminationlow-light event dataset
发现论文，激发创造
  • 事件相机实现高速和高动态范围视频

    本文提出了一种使用循环网络从事件流中直接学习重建图像的方法，并在此基础上扩展到从事件流合成彩色图像的方法，实验证明该网络在处理高速现象和挑战性照明条件下具有较好的图像质量和高动态范围重建，并作为事件数据的中间表示进行了分类和视觉惯性积分导航等应用。

    Jun, 2019

  • 面向鲁棒的事件引导低光图像增强：一个大规模真实世界事件图像数据集和新方法

    利用机械臂轨迹追踪技术，构建了一个室内外真实场景的大规模事件图像数据集，提出了一种基于事件引导的适用于真实低光场景的图像增强方法 EvLight，通过多尺度整体融合分支和信噪比引导的区域特征选择策略，显著超越了基于帧的方法。

    Apr, 2024

  • 使用条件生成式对抗网络生成基于事件的高动态范围图像和极高帧率视频

    本文提出了基于事件相机的条件生成式对抗网络，可以从时间数据流中的可调节部分生成图像 / 视频，并展示了在极端光照条件下生成高动态范围 (HDR) 图像的效用以及快速运动条件下生成非模糊图像的可能性和非常高的帧速率。

    Nov, 2018

  • 利用事件和帧减轻神经辐射场中的运动模糊

    本文提出了一种利用模型和学习模块的新方法，通过显式建模模糊形成过程和使用端到端可学习的响应函数来适应实际事件相机传感器中的非理想性，解决了运动模糊对 Neural Radiance Fields (NeRFs) 渲染图片质量的影响问题，结果显示该方法在合成和真实数据上优于仅使用帧或帧与事件相结合的已有去模糊 NeRFs，分别提高了 6.13dB 和 2.48dB。

    Mar, 2024

  • 事件增强高质量图像恢复

    本文提出了一种可解释的网络，即基于事件增强的稀疏学习网络 (eSL-Net)，用于从事件相机中恢复高质量图像，并通过稀疏学习框架共同考虑事件和低分辨率强度观测，经过合成数据集的训练，可以将表现提高 7-12dB，在不需要额外训练的情况下，可以轻松扩展到具有与事件相同高帧率的连续帧的生成。

    Jul, 2020

  • 白天和夜晚的追踪：基于事件相机引导的稳健高效全天物体检测

    通过融合 RGB 和事件信息的轻量级脉冲神经网络，我们提出了一种新颖的对象检测框架 EOLO，实现了稳健高效的全天候检测，在各种光照条件下优于现有检测器 (+3.74% mAP50)。

    Sep, 2023

  • 从事件相机到视频：将现代计算机视觉引入事件相机

    研究使用成熟的计算机视觉技术对从事件数据中重建的视频进行对象分类和图像重建，从而充分发挥事件相机的优异特性。

    Apr, 2019

  • LED：用于事件相机去噪的大规模真实配对数据集

    构建了一个新的真实世界事件去噪数据集，并提出了一种基于同质双事件的去噪框架，用于捕捉与原始信号相关的事件信息并分离噪声，实现准确的去噪。

    May, 2024

  • 降低事件相机的模拟到现实差距

    本文介绍了一种用于提高事件基于 CNNs 的训练数据的策略，可为视频重建网络和光流网络带来 20-40％的性能提升，并提出了一种新的高质量数据集 HQF 以解决事件基于视频重建缺乏质量地真实图像的问题。

    Mar, 2020

  • EventSleep: 使用事件相机进行睡眠活动识别

    通过提供 EventSleep 数据集和方法，我们展示了事件相机在黑暗环境下的高准确性和鲁棒性，以及在睡眠监测和活动识别领域的潜力和应用。

    Apr, 2024