快速特征场（$\text{F}^3$）：事件的预测性表示

Richeek Das; Kostas Daniilidis; Pratik Chaudhari

快速特征场（$\text{F}^3$）：事件的预测性表示

计算机视觉与模式识别 2025-09-30 v1 人工智能机器学习机器人学

作者: Richeek Das , Kostas Daniilidis , Pratik Chaudhari

摘要

本文发展了用于构建基于事件相机数据表示的数学论证和算法，我们称之为快速特征场（ $\text{F}^3$ ）。我们通过从过去事件预测未来事件来学习这一表示，并表明它保留了场景结构和运动信息。 $\text{F}^3$ 利用事件数据的稀疏性，并且对噪声和事件率的变化具有鲁棒性。它可以使用多分辨率哈希编码和深度集的思想高效计算——在 HD 分辨率下达到 120 Hz，在 VGA 分辨率下达到 440 Hz。 $\text{F}^3$ 将连续时空体积内的事件表示为多通道图像，从而支持一系列下游任务。我们在来自三个机器人平台（一辆汽车、一个四足机器人和一个飞行平台）的数据上，在不同的光照条件（白天、夜间）、环境（室内、室外、城市以及越野）和动态视觉传感器（分辨率和事件率）下，在光流估计、语义分割和单目度量深度估计方面取得了 SOTA 性能。我们的实现可以在 HD 分辨率下以 25-75 Hz 预测这些任务。

关键词

基于事件的相机快速特征场预测性表示光流估计多分辨率哈希编码深度集

引用

@article{arxiv.2509.25146,
  title  = {Fast Feature Field ($\text{F}^3$): A Predictive Representation of Events},
  author = {Richeek Das and Kostas Daniilidis and Pratik Chaudhari},
  journal= {arXiv preprint arXiv:2509.25146},
  year   = {2025}
}

备注

39 pages, 9 figures

快速特征场（$\text{F}^3$）：事件的预测性表示

摘要

关键词

引用

备注

相关论文