用于神经形态对地观测的密度不变对比最大化
计算机视觉与模式识别
2023-05-04 v2 机器人学
摘要
对比最大化(CMax)技术广泛用于基于事件的视觉系统,以估计相机运动参数并生成高对比度图像。然而,这些技术对噪声不耐受,且存在多极值问题——当场景中含噪事件多于结构事件时,会在多个位置出现更高对比度,这使得估计相机运动极为困难,对神经形态对地观测而言尤为突出,因为若无法正确估计运动参数,便不能生成高对比度地图,导致重要细节丢失。类似的使用CMax的方法通过更改或扩充目标函数以收敛至正确运动参数来解决该问题。我们提出的方案通过在计算对比度前校正扭曲事件,克服了多极值与噪声不耐受问题,并具有如下优势:不依赖于事件数据,不需要关于相机运动的先验,且保持CMax其余流程不变。这确保对比度仅在正确运动参数附近较高。我们的方法借助来自国际空间站(ISS)的新数据集,通过解析补偿技术生成更好的运动补偿地图。代码见\url{https://github.com/neuromorphicsystems/event_warping}
引用
@article{arxiv.2304.14125,
title = {Density Invariant Contrast Maximization for Neuromorphic Earth Observations},
author = {Sami Arja and Alexandre Marcireau and Richard L. Balthazor and Matthew G. McHarg and Saeed Afshar and Gregory Cohen},
journal= {arXiv preprint arXiv:2304.14125},
year = {2023}
}
备注
Accepted to 2023 CVPRW Workshop on Event-Based Vision