EV-SegNet：面向事件相机的语义分割
计算机视觉与模式识别
2019-07-10 v1
摘要
事件相机，或称动态视觉传感器（DVS），是非常有前景的传感器，已展现出相对于基于帧的相机的若干优势。然而，近期这些相机在实际应用上的工作大多集中于 3D 重建与 6-DOF 相机跟踪。基于深度学习的方法在视觉识别任务中处于最先进水平（SOTA），有可能利用 DVS 的优势，但仍需一些适配以使其在这些相机上有效工作。本工作引入了此类数据语义分割的第一个基线。我们构建了一个基于最先进技术的语义分割 CNN，其仅以事件信息作为输入。此外，我们提出了一种新颖的 DVS 数据表示，其优于先前用于相关任务的事件表示。由于该任务尚无现成标注数据集，我们提出如何为 DDD17 数据集的部分序列自动生成近似语义分割标签，并将其与模型一同发布，且证明它们可有效用于仅以 DVS 数据训练模型。我们将基于 DVS 数据的语义分割结果与使用相应灰度图像的结果进行比较，展示它们如何互补并值得结合。
引用
@article{arxiv.1811.12039,
title = {EV-SegNet: Semantic Segmentation for Event-based Cameras},
author = {Iñigo Alonso and Ana C. Murillo},
journal= {arXiv preprint arXiv:1811.12039},
year = {2019}
}