SEVD：用于自我和固定交通感知的合成事件视觉数据集
计算机视觉与模式识别
2024-04-24 v2 机器学习
摘要
最近，基于事件的视觉传感器在自动驾驶应用中引起了关注，因为传统的RGB相机在处理具有挑战性的动态条件时存在局限性。然而，真实世界和合成的基于事件的视觉数据集的可用性仍然有限。针对这一空白，我们提出了SEVD，这是首个多视角自我和固定感知合成基于事件的数据集，使用CARLA模拟器中的多个动态视觉传感器。数据序列在不同的光照（正午、夜间、黄昏）和天气条件（晴朗、多云、潮湿、雨天、雾天）下记录，并带有域偏移（离散和连续）。SEVD涵盖城市、郊区、农村和高速公路场景，包含各种类别的物体（汽车、卡车、货车、自行车、摩托车和行人）。除了事件数据，SEVD还包括RGB图像、深度图、光流、语义和实例分割，有助于全面理解场景。此外，我们使用最先进的基于事件（RED、RVT）和基于帧（YOLOv8）的方法对数据集进行交通参与者检测任务的评估，并提供基线基准。此外，我们进行了实验以评估合成基于事件数据集的泛化能力。数据集可在https://eventbasedvision.github.io/SEVD获取。
引用
@article{arxiv.2404.10540,
title = {SEVD: Synthetic Event-based Vision Dataset for Ego and Fixed Traffic Perception},
author = {Manideep Reddy Aliminati and Bharatesh Chakravarthi and Aayush Atul Verma and Arpitsinh Vaghela and Hua Wei and Xuesong Zhou and Yezhou Yang},
journal= {arXiv preprint arXiv:2404.10540},
year = {2024}
}