- CVPR基于事件的动态模糊矫正学习
本文提出了一种基于事件相机的深度学习方法,通过卷积循环神经网络和可微分方向事件过滤模块整合全局和局部尺度的视觉和时态知识,提取边界先验信息,从而达到了恢复运动模糊图像的最佳质量,适用于真实世界的运动模糊问题。
- ICML使用输入过滤神经 ODE 从短事件相机流进行实时分类
本研究提出使用一种新型事件相机,通过一种异步的、基于神经元的 ODE 神经架构,直接使用事件进行短序列分类,实验表明该方法在各项任务中都表现得很好。
- ECCVSpike-FlowNet: 基于事件的光流估计与节能混合神经网络
该论文介绍了一个基于 Spike-FlowNet 的深度混合神经网络体系结构,用于有效地估计来自稀疏事件相机输出的光流,同时提供了显着的计算效率。
- 基于运动补偿的事件驱动运动分割
本研究提出了第一种基于事件相机的感知运动信息分割方法,通过建立在事件感应技术和运动补偿上的目标函数联合估计事件 - 目标关联,从而实现了场景中的独立运动目标分割和运动参数估计,并在公共数据集上取得了比最新技术研究成果高达 10% 的有效结果 - CVPR基于事件相机的角点检测学习的速度不变时间表面
本研究提出了一种面向基于事件的相机的角点检测方法,通过学习随着快速变化的运动仍然具有稳定性的时间表面,应用随机森林检测由移动角产生的事件,并引入了一个高分辨率的数据集进行方法的可比性验证,实验结果表明,该方法较之前的方法在角点变化方向突然改 - 基于时空滤波的事件驱动行为识别
本文提出了在事件域中进行时空过滤的方法,通过学习局部时空权重矩阵,增强卷积神经网络对动作识别的性能, 在 DVS Gesture 数据集和新录制的动作识别数据集上显著改善。
- 利用事件相机在高帧率下使模糊画面活跃
本研究提出了一种称为 “Event-based Double Integral (EDI)” 模型的简单且有效的方法,该模型可通过关联事件数据和潜在图像来重建清晰的高帧率视频。实验结果表明,与现有技术相比,EDI 模型和优化方法表现更卓越。
- 基于事件相机的物体识别的注意力机制
本文提出了基于视觉关注的两种事件视觉注意力模型,一种通过跟踪视野内的事件活动来定位关注区域,另一种基于 DRAW 神经模型和全微分注意力程序,使用 Phased LSTM 识别网络作为基线参考模型并在四个数据集上进行验证,获得了在平移和尺度 - CVPR神经形态相机中的异步卷积网络物体检测
本文提出了两种神经网络结构,分别是基于事件的相位叠加帧模型的 YOLE 和异步基于事件的完全卷积网络 fcYOLE,用于在基于事件的摄像头上进行物体检测,通过不同的扩展公开数据集和人工合成数据集的评估,展示了该算法的性能。
- CVPRHATS: 基于均值时间曲面直方图的鲁棒事件驱动物体分类
本文介绍了一种新的事件相机特征表示方法和新的机器学习架构,并发布了第一个用于对象分类的大型真实事件数据集,经过广泛的实验证明,相对先前的方法,本文方法具有更好的分类性能和实时计算能力。
- EV-FlowNet: 自监督事件型相机光流估计
本文介绍了一种新的基于自监督深度学习的光流估计方法 EV-FlowNet,用于事件驱动相机。该方法不仅可以准确地估计密集光流,还为其他自监督方法到事件驱动领域提供了转移框架。
- MM多车立体事件相机数据集:用于三维感知的事件相机数据集
本文介绍了一个新的被动感知方式 —— 事件相机,可以完成多种 3D 感知任务,并提供了一个涵盖各种环境和照明水平的大型数据集,包括了事件流、灰度图像和 IMU 读数,并提供了真确的姿势和深度图像。同时还提供了来自基于框架的立体相机系统的同步 - 基于事件光流的微型飞行器垂直降落
本文介绍了一种将事件驱动的光流估计集成到飞行机器人控制环路中的算法,并开发了一个基于事件驱动光流的恒定离散降落控制器,实现了快速准确的降落动作。