基于单目法线图增强基于事件相机的对象检测
计算机视觉与模式识别
2026-05-22 v3
摘要
在自动驾驶中，复杂光照条件常常影响对象检测效果。虽然事件相机提供了鲁棒的解决方案，但其对突然的对比度变化（如反射）高度敏感，容易触发密集且误导性的事件信号。为此，我们利用由RGB图像派生的表面法线图作为显式的几何约束。关键在于，即使RGB图像质量下降，法线图仍保留了低频结构先验，能够有效辅助基于事件的数据进行检测。因此，我们提出了NRE-Net框架，集成了来自表面法线图的结构先验、来自RGB图像的外观上下文信息，以及来自事件数据的高频动态信息。自适应双流融合模块（ADFM）首先对几何线索和外观线索进行对齐，随后采用事件模态感知融合模块（EAFM），有针对性地融合事件动态。对DSEC-Det-sub和PKU-DAVIS-SOD上的大规模评估表明，引入几何先验相较于双模态基线方法可额外提升3.0%的AP50指标，而本方法在SFNet（+2.7%）和SODFormer（+7.1%）等融合方法上均表现显著优于。
引用
@article{arxiv.2508.02127,
title = {Enhancing Event-based Object Detection with Monocular Normal Maps},
author = {Mingjie Liu and Hanqing Liu and Luoping Cui and Chuang Zhu},
journal= {arXiv preprint arXiv:2508.02127},
year = {2026}
}