eTraM：基于事件的交通监控数据集
计算机视觉与模式识别
2024-04-03 v2
摘要
事件相机具有高时空分辨率和最小内存使用，已在各领域找到应用。然而，其在静态交通监控领域的潜力仍基本未被探索。为促进这一探索，我们提出了 eTraM - 一个首个完全基于事件的交通监控数据集。eTraM 提供来自各种交通场景的 10 小时数据，覆盖多种照明和天气条件，提供了真实情境的全面概览。提供 200 万个边界框标注，覆盖八类交通参与者，从车辆到行人和微型交通工具。我们使用 RVT、RED 和 YOLOv8 等最先进方法评估了 eTraM 的实用性。我们量化评估了基于事件的模型在夜间和未见场景上的泛化能力。我们的发现 substantiate 了利用事件相机进行交通监控的强大潜力，为研究和应用开辟了新方向。eTraM 可在 https://eventbasedvision.github.io/eTraM 获取。
引用
@article{arxiv.2403.19976,
title = {eTraM: Event-based Traffic Monitoring Dataset},
author = {Aayush Atul Verma and Bharatesh Chakravarthi and Arpitsinh Vaghela and Hua Wei and Yezhou Yang},
journal= {arXiv preprint arXiv:2403.19976},
year = {2024}
}