DELTA：利用Transformer注意力机制从事件与激光雷达生成稠密深度
计算机视觉与模式识别
2025-05-06 v1
摘要
事件相机和激光雷达提供互补但截然不同的数据：分别是光照变化的异步检测与固定频率下稀疏但精确的深度信息。迄今为止，很少有工作探索这两种模态的结合。在本文中，我们提出了一种新颖的基于神经网络的方法，用于融合事件和激光雷达数据以估计稠密深度图。我们的架构DELTA利用自注意力和交叉注意力的概念来建模事件和激光雷达数据内部及之间的时空关系。经过全面评估，我们证明DELTA在基于事件的深度估计问题上达到了新的最优水平，并且与之前的SOTA相比，能够将近距离误差降低多达四倍。
引用
@article{arxiv.2505.02593,
title = {DELTA: Dense Depth from Events and LiDAR using Transformer's Attention},
author = {Vincent Brebion and Julien Moreau and Franck Davoine},
journal= {arXiv preprint arXiv:2505.02593},
year = {2025}
}
备注
Accepted for the CVPR 2025 Workshop on Event-based Vision. For the project page, see https://vbrebion.github.io/DELTA/