EvRepSL:通过自我监督学习进行事件流表示,以实现基于事件的视觉
概括
本研究引入了一种数据驱动的方法,以改善事件摄像头的事件流表示. 新的方法EvRepSL提高了计算机视觉任务的数据质量,而不需要手工设计.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 基于事件的传感.
背景情况:
- 事件流表示对于使用事件摄像头的计算机视觉任务至关重要.
- 目前的方法依赖于手动设计,由于噪音事件数据导致质量变化.
研究的目的:
- 开发一种数据驱动的方法来增强事件流表示.
- 提高基于事件的计算机视觉数据的质量和可靠性.
主要方法:
- 介绍了EvRep,一种基于时空统计的新型事件流表示.
- 导出了异步事件流与同步之间的关系.
- 训练了一个使用EvRep的自我监督表示生成器 (RepGen) 来创建EvRepSL.
主要成果:
- 与现有表示方式相比,EvRepSL表现出更高的性能.
- 该方法在不同的事件摄像头和任务 (分类,光流) 中显示了多功能性.
- 在没有微调或再培训的情况下实现了高质量的表示.
结论:
- 拟议的数据驱动方法显著提高了事件流表示质量.
- EvRepSL为基于事件的计算机视觉提供了一个强大而通用的解决方案.
- 这项工作为更可靠的事件摄像机应用铺平了道路.
