时空泊松点过程：一种用于事件相机数据对齐的简单模型
计算机视觉与模式识别
2025-07-01 v1
摘要
受生物视觉系统启发的事件相机，提供了自然且数据高效的视觉信息表示。视觉信息以由局部亮度变化触发的事件形式被获取。相机传感器的每个像素位置以极高时间分辨率异步且独立地记录事件。然而，由于大多数亮度变化由相机与场景的相对运动触发，单个传感器位置记录的事件很少对应于同一世界点。为从事件相机中提取有意义的信息，将同一底层世界点触发的事件进行配准是有帮助的。本工作中，我们提出了一种捕捉事件数据自然时空结构的新模型。我们首先为已对齐事件数据建立模型，即假设数据已被完美配准时的模型。具体而言，我们将对齐数据建模为时空泊松点过程。基于此模型，我们开发了针对尚未对齐事件的最大似然配准方法，即寻找观测事件的变换，使其在我们的模型下尽可能可能。具体地，我们提取出能带来最佳事件对齐的相机旋转。我们在 DAVIS 240C 数据集上展示了旋转速度估计的新 SOTA 精度。此外，我们的方法也比若干竞争方法更快且计算复杂度更低。
引用
@article{arxiv.2106.06887,
title = {The Spatio-Temporal Poisson Point Process: A Simple Model for the Alignment of Event Camera Data},
author = {Cheng Gu and Erik Learned-Miller and Daniel Sheldon and Guillermo Gallego and Pia Bideau},
journal= {arXiv preprint arXiv:2106.06887},
year = {2025}
}