一种用于事件相机去噪评估的无标签非单调度量
计算机视觉与模式识别
2024-06-14 v1
摘要
事件相机因其输出稀疏、异步的事件流而以其高效率著称。然而，它们受到噪声事件的困扰，尤其是在低光照条件下。去噪是事件相机的一项基本任务，但评估去噪性能具有挑战性。依赖标签的去噪度量涉及人为地向干净序列添加噪声，使评估复杂化。此外，这些度量中的大多数是单调的，这可能会通过移除大量噪声和有效事件来夸大分数。为了克服这些限制，我们提出了第一个无标签且非单调的评估度量——连续对比度曲线面积（AOCC），它利用不同时间间隔内事件帧对比度曲线所包围的面积。该度量的灵感来源于事件如何以高时间分辨率捕捉场景或物体的边缘轮廓。一种有效的去噪方法能够去除噪声而不消除这些边缘轮廓事件，从而保持事件帧的对比度。因此，不同时间范围内的对比度可作为评估去噪效果的度量。随着时间间隔的延长，曲线将先上升后下降。所提出的度量通过理论和实验证据得到了验证。
引用
@article{arxiv.2406.08909,
title = {A Label-Free and Non-Monotonic Metric for Evaluating Denoising in Event Cameras},
author = {Chenyang Shi and Shasha Guo and Boyi Wei and Hanxiao Liu and Yibo Zhang and Ningfang Song and Jing Jin},
journal= {arXiv preprint arXiv:2406.08909},
year = {2024}
}