面向异步事件数据的一种可微分循环表面
计算机视觉与模式识别
2020-08-03 v2
摘要
动态视觉传感器(DVS)在像素发生亮度变化时异步地流式输出事件。与经典视觉设备不同，它们产生场景的稀疏表示。因此，为应用标准计算机视觉算法，需将事件整合为一帧或事件表面(event-surface)。这通常通过手工设计的网格利用特定启发式方法重建帧来实现。本文中，我们提出Matrix-LSTM，一种长短期记忆(LSTM)单元网格，可高效处理事件并端到端学习依赖于任务的事件表面。与现有重建方法相比，我们所学的事件表面在MVSEC基准的光流估计上展现出良好的灵活性与表现力，并提升了N-Cars数据集上基于事件的物体分类的SOTA水平。
引用
@article{arxiv.2001.03455,
title = {A Differentiable Recurrent Surface for Asynchronous Event-Based Data},
author = {Marco Cannici and Marco Ciccone and Andrea Romanoni and Matteo Matteucci},
journal= {arXiv preprint arXiv:2001.03455},
year = {2020}
}
备注
23 pages, 6 figures