ANMS：事件流中的异步非极大值抑制
计算机视觉与模式识别
2023-03-21 v1
摘要
非极大值抑制 (NMS) 作为一种重要的后处理算法，被广泛应用于基于帧的任务中。然而，基于事件的 NMS 要么计算复杂度高，要么会导致频繁的不连续性。因此，基于事件的角点检测器性能受限。本文提出了一种通用的异步非极大值抑制流水线 (ANMS)，并将其应用于角点事件检测。所提出的流水线从原始检测器的输出中提取精细特征流，并适应运动速度。ANMS 直接在异步事件流上运行，具有极低延迟，几乎不影响原始检测器的速度。此外，我们评估了基于 DAVIS 的真值标注方法，以填补帧与事件之间的空白。在公开数据集上的评估表明，所提出的 ANMS 流水线以可忽略的延迟显著提升了三种经典异步检测器的性能。更重要的是，所提出的 ANMS 框架是 NMS 的自然扩展，适用于事件相机的其他异步评分任务。
引用
@article{arxiv.2303.10575,
title = {ANMS: Asynchronous Non-Maximum Suppression in Event Stream},
author = {Qianang Zhou and JunLin Xiong and Youfu Li},
journal= {arXiv preprint arXiv:2303.10575},
year = {2023}
}