新框架利用外观印迹从事件流中重建视频

研究人员开发了Engram-E2VID，一个用于从事件流和参考帧重建目标RGB帧的新颖框架。该方法解决了事件派生结构与参考帧外观信息关联的挑战，尤其是在复杂运动和长时时间间隔下。通过将参考帧编码为标记空间外观印迹，并利用事件流创建运动结构支架，Engram-E2VID使目标结构能够在没有直接像素对应的情况下访问参考外观。该框架在三个基准测试中展示了PSNR和LPIPS的改进，并显示出随着重建间隔的增加，性能有所增强。 AI

影响 这个新框架可以提高从稀疏事件数据进行视频重建的质量和时间精度。

排序理由 该集群包含一篇详细介绍视频重建新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• computer science
• Computer vision and pattern recognition
• cs.LG
• DagsHub
• Engram-E2VID
• Gotit.pub
• Hugging Face
• lpips
• peak signal-to-noise ratio
• ScienceCast

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →