LED:用于事件相机去噪的大规模真实配对数据集
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
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。
Apr, 2024
该研究通过引入新的数据合成流程来模拟真实的低照度模糊退化,提出了联合低照度增强和去模糊的大规模数据集 LOL-Blur,同时提出了一种名为 LEDNet 的有效网络,解决了夜间摄影低照度和模糊问题。
Feb, 2022
本文介绍和发布了第一个彩色事件相机数据集 (CED),包含了 50 分钟的室内和室外场景,同时介绍了颜色事件的仿真、基于三种现有的图像重建方法的事件重建,以及作为视觉应用的连续 HDR 彩色视频相机的可视化。
Apr, 2019
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
提出了一种无需校准的基于校准的方法,适用于任何数字增益或相机传感器;通过在少量数据和微调期间适应目标相机,减少了合成和实际噪声之间的差距,并在性能上优于其他校准性方法。
Aug, 2023
LEVEN 数据集是一个包含 108 种事件类型的大规模中国法律事件检测数据集,它不仅涵盖与收费相关的事件,还涵盖重要但在现有 LED 数据集中被忽略的一般事件,该数据集可显着促进 LED 方法的培训和评估,并可作为提高下游应用程序性能的有用附加信息。
Mar, 2022
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
提出了 DSEC 数据集,其中包含了高动态范围的场景,在不同的光照条件下,通过收集一系列的数据集以用于高分辨率的事件相机。该数据集包含了 53 个序列,可用于开发和评估事件驱动的立体算法。
Mar, 2021