event cameras
PulseAugur coverage of event cameras — every cluster mentioning event cameras across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
Event camera benchmarks will emerge for diverse applications beyond autonomous driving and action recognition.
Recent evidence highlights new benchmarks for gait recognition (SUSTech1K-E, CCGR-Mini-E) and action recognition (DarkShake-DVS), indicating a trend towards specialized datasets. As event cameras prove their utility in challenging conditions, it's likely that benchmarks will be developed for other domains like robotics, surveillance, or even consumer electronics.
Event cameras are increasingly integrated with traditional RGB cameras for enhanced perception.
Multiple recent papers (EventGait, NRE-Net, Neuromorphic vision enhances object binarization) describe frameworks that combine event camera data with traditional RGB frames. This dual-modal approach appears to be a key strategy for overcoming the limitations of each sensor type, particularly in challenging lighting and motion scenarios.
New metrics for assessing event camera data integrity will become standard in autonomous driving safety.
The development of a new task-agnostic metric for event camera data integrity in autonomous driving suggests a growing need for standardized evaluation. As event cameras become more integrated into safety-critical systems, such metrics will be crucial for ensuring reliability and performance, potentially leading to industry-wide adoption.
-
新的 Transformer 模型可从事件相机数据预测显著性
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。
-
新的NRE-Net框架利用几何先验提升基于事件的目标检测性能
研究人员开发了NRE-Net，一个新颖的三模态框架，旨在增强自动驾驶系统的目标检测能力，尤其是在具有挑战性的光照条件下。这种新方法整合了从RGB图像派生的表面法线图，以提供几何约束，这对于克服事件相机产生的误导性事件信号至关重要。该框架的自适应双流融合模块和事件模态感知融合模块有效地结合了结构先验、外观上下文和动态事件数据，与现有方法相比，性能有了显著提升。
-
新度量评估自动驾驶安全所需的事件相机数据
研究人员开发了一种新的无任务度量，用于评估事件相机数据流的完整性，这对于自动驾驶系统中的安全关键感知至关重要。该度量基于皮尔逊相关系数，无需下游任务性能数据即可直接应用于异步事件流。所提出的框架产生了三个用于流完整性监控、感兴趣区域自适应选择和时间冗余门控的特定度量，解决了近期基准测试中发现的差距。
-
EventGait 使用事件相机实现鲁棒步态识别
研究人员开发了 EventGait，一种使用事件相机进行步态识别的新型双流框架。该方法分别处理运动和形状信息，利用混合脉冲专家进行动态感知，并利用跨模态结构对齐进行形状表示。为了促进研究，他们还引入了两个新基准 SUSTech1K-E 和 CCGR-Mini-E，以及一个用于基于事件的步态数据的合成流程。与传统的基于相机的方法相比，EventGait 在弱光条件下表现出卓越的性能，并在基于事件的步态识别基准上设定了新的最先进水平。
-
New benchmark and method tackle low-light, shaky camera action recognition
Researchers have introduced DarkShake-DVS, a new benchmark dataset designed for human action recognition in challenging low-light and high-motion scenarios. The dataset includes over 18,000 real-world clips captured wit…
-
神经形态视觉通过双模态方法增强物体二值化
研究人员开发了一种新颖的双模态方法，使用事件相机对文本和路标等准双模态物体进行实时二值化。该方法利用传统帧和事件驱动传感之间的协同作用，克服了基于帧的成像在快速运动和恶劣光照的动态场景中的局限性。该系统在减少运动模糊方面取得了有竞争力的性能，并在具有挑战性的照明条件下取得了显著改进，即使在极高的帧率下也能保持清晰的目标形状。
-
Neuromorphic depth estimation uses event cameras with uncertainty modeling
Researchers have developed a neuromorphic approach to monocular depth estimation using event cameras, which offer advantages like high temporal resolution and dynamic range. Their deep neural network models predict per-…
-
神经形态框架从事件相机估计水下光流
研究人员开发了一种新颖的自监督框架，用于从水下环境中的事件相机数据估计光流。该方法利用脉冲神经网络处理异步事件流，克服了水下数据有限的挑战。与现有技术相比，该方法表现出具有竞争力的性能和卓越的计算效率，为资源受限的水下边缘设备上的高效、实时感知铺平了道路。