EventSSEG：基于事件驱动的概率注意力自监督分割
计算机视觉与模式识别
2025-08-21 v1
摘要
道路分割对自动驾驶至关重要，然而使用基于帧的相机实现低延迟与低算力的解决方案仍具挑战。事件相机提供了一种有前景的替代方案。为利用其低功耗感知优势，我们引入了 EventSSEG，一种使用纯事件计算与概率注意力机制的道路分割方法。纯事件计算在从传统相机域迁移预训练权重时面临挑战，需要大量标注数据，而此类数据十分稀缺。为克服此问题，EventSSEG 采用了基于事件的自监督学习，免除了对大量标注数据的依赖。在 DSEC-Semantic 和 DDD17 上的实验表明，EventSSEG 在仅需极少标注事件的情况下实现了 SOTA 性能。该方法最大化了事件相机的能力，并解决了标注事件缺乏的问题。
引用
@article{arxiv.2508.14856,
title = {EventSSEG: Event-driven Self-Supervised Segmentation with Probabilistic Attention},
author = {Lakshmi Annamalai and Chetan Singh Thakur},
journal= {arXiv preprint arXiv:2508.14856},
year = {2025}
}