v2e：从视频帧到逼真的 DVS 事件
计算机视觉与模式识别
2021-04-20 v2
摘要
为了帮助满足对动态视觉传感器 (DVS) 事件相机数据日益增长的需求，本文提出了 v2e 工具箱，该工具箱可从强度帧生成逼真的合成 DVS 事件。它还澄清了近期文献中关于 DVS 运动模糊和延迟特性的不正确说法。与其他工具箱不同，v2e 包含了像素级高斯事件阈值失配、有限的强度依赖带宽以及强度依赖噪声。逼真的 DVS 事件在训练网络以应对不受控的光照条件时非常有用。通过两个实验展示了 v2e 合成事件的使用。第一个实验是使用 N-Caltech 101 数据集进行物体识别。结果表明，在各种 v2e 光照条件下进行预训练，可以提高 ResNet 模型迁移到真实 DVS 数据时的泛化能力。第二个实验表明，对于夜间驾驶，使用 v2e 事件训练的汽车检测器相比在强度帧上训练的 YOLOv3，平均准确率提高了 40%。
引用
@article{arxiv.2006.07722,
title = {v2e: From Video Frames to Realistic DVS Events},
author = {Yuhuang Hu and Shih-Chii Liu and Tobi Delbruck},
journal= {arXiv preprint arXiv:2006.07722},
year = {2021}
}
备注
Accepted at 2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW); Third International Workshop on Event-Based Vision