面向事件增强视觉自主感知的深度表征学习：eAP 数据集
机器人学
2026-03-18 v1
摘要
近期的视觉自主感知系统通过深度表征学习取得了显著的性能。然而，它们在光照充满挑战的场景中效果不佳。虽然事件相机可以缓解此问题，但缺乏用于发展事件增强深度视觉感知模型的大型数据集。为弥补这一差距，我们提出了 eAP（event-enhanced Autonomous Perception）数据集，是目前规模最大的用于自主感知事件相机数据集。我们展示了 eAP 如何通过深度表征学习促进不同自主感知任务的研究，包括 3D 车辆检测和目标时间到接触（TTC）估计。基于 eAP，我们首次成功地利用事件改进了一个流行的 3D 车辆检测网络，以应对光照充满挑战的场景。eAP 也为目标 TTC 估计的表征学习问题提供了研究平台。我们表明，几何感知表征学习框架带来了最佳的基于事件的目标 TTC 估计网络，该网络以 200 FPS 的速度运行。该数据集、代码和预训练模型将公开提供，以供未来研究使用。
引用
@article{arxiv.2603.16303,
title = {Toward Deep Representation Learning for Event-Enhanced Visual Autonomous Perception: the eAP Dataset},
author = {Jinghang Li and Shichao Li and Qing Lian and Peiliang Li and Xiaozhi Chen and Yi Zhou},
journal= {arXiv preprint arXiv:2603.16303},
year = {2026}
}