URNet：面向事件型立体深度估计的不确定性感知细化网络
计算机视觉与模式识别
2025-09-24 v1
摘要
事件相机提供高时间分辨率、高动态范围和低延迟，相比传统帧式相机具有显著优势。在本工作中，我们引入了一个面向事件型立体深度估计的不确定性感知细化网络URNet。我们的方法包含一个局部-全局细化模块，可有效捕获细粒度局部细节和长程全局上下文。此外，我们引入了一种基于Kullback-Leibler（KL）散度的不确定性建模方法以增强预测可靠性。在DSEC数据集上的大量实验表明，URNet在定性和定量评估中均持续优于最先进（SOTA）方法。
引用
@article{arxiv.2509.18184,
title = {URNet: Uncertainty-aware Refinement Network for Event-based Stereo Depth Estimation},
author = {Yifeng Cheng and Alois Knoll and Hu Cao},
journal= {arXiv preprint arXiv:2509.18184},
year = {2025}
}
备注
This work is accepted by Visual Intelligence Journal