V2CE：视频到连续事件流模拟器

基于动态视觉传感器（DVS）的方案近来在计算机视觉多项任务中引发显著兴趣，在动态范围、时间分辨率和推理速度方面提供突出优势。然而，相较于 RGB 相机等主动像素传感器（APS）设备，DVS 作为相对新兴的视觉传感器，缺乏充足的带标注数据集。先前将 APS 数据转换为事件的工作常受限于诸如与真实事件的显著域偏移、缺乏量化验证以及时间轴内的分层等问题。本文中，我们从多角度提出一种新颖的视频到事件流转换方法，考量 DVS 的具体特性。一系列精心设计的损失函数显著提升了所生成事件体素的质量。我们还提出一种新颖的局部动态感知时间戳推断策略，以连续方式从事件体素中准确恢复事件时间戳，并消除时间分层问题。通过流水线各阶段量化指标的严格验证结果，确证我们的方法无可争议地成为当前最优（SOTA）。