研究人员推出 SEST，这是一种新颖的基于 Transformer 的模型，用于从基于事件的相机数据预测视觉显著性。这项工作通过引入两个新基准 N-DHF1K 和 N-UCF Sports（从现有的 RGB 显著性数据集中生成）来解决相关数据集稀缺的问题。SEST 表现强劲，优于之前的基于事件的方法，并缩小了与最先进的 RGB 模型之间的差距，同时还显示了向真实世界事件相机数据迁移的能力。 AI
影响 为基于事件的视觉和神经形态视觉注意力开辟了新的研究方向，有望改善专用相机的视觉处理。
排序理由 发布了一篇介绍用于基于事件的显著性预测的新颖模型和数据集的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.23790v1 Announce Type: new Abstract: Saliency prediction has been extensively studied in RGB images and videos as a computational model of human visual attention. In contrast, predicting saliency from event-based data remains largely unexplored, despite the biological …
Saliency prediction has been extensively studied in RGB images and videos as a computational model of human visual attention. In contrast, predicting saliency from event-based data remains largely unexplored, despite the biological inspiration and favorable sensing properties of …