UEOF：面向水下事件驱动光流的基准数据集
计算机视觉与模式识别
2026-01-16 v1 机器人学
摘要
水下成像因波长依赖的光衰减、悬浮颗粒的强散射、浑浊引起的模糊以及不均匀光照而面临根本性挑战。这些效应会损害标准相机，并使真实运动信息几乎无法获取。另一方面，事件相机提供微秒级分辨率和超高动态范围。然而，由于缺乏将真实水下光学与精确光流配对的数据集，针对水下环境的事件相机研究进展有限。为解决此问题，我们推出了首个基于物理光线追踪的 RGBD 序列生成的合成水下事件驱动光流基准数据集。通过将现代视频转事件管线应用于渲染的水下视频，我们生成了具有稠密真实光流、深度和相机运动信息的真实事件数据流。此外，我们对当前最先进的基于学习和基于模型的光流预测方法进行了基准测试，以理解水下光传输如何影响事件形成和运动估计精度。我们的数据集为未来水下事件驱动感知算法的开发和评估建立了新基线。本项目的源代码和数据集已在 https://robotic-vision-lab.github.io/ueof 公开。
引用
@article{arxiv.2601.10054,
title = {UEOF: A Benchmark Dataset for Underwater Event-Based Optical Flow},
author = {Nick Truong and Pritam P. Karmokar and William J. Beksi},
journal= {arXiv preprint arXiv:2601.10054},
year = {2026}
}
备注
To be presented at the 2026 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV) Workshop on Event-Based Vision in the Era of Generative AI