SHF-Emerge

LiFR v2 框架通过事件相机融合增强密集预测

研究人员推出 LiFR v2，一个结合 RGB 相机和事件相机实现高帧率密集预测的新框架。该系统通过利用事件相机的时序密度，即使在 RGB 数据稀疏或缺失的情况下，也能解决 RGB 相机的局限性。LiFR v2 包含一个事件引导补全模块 (EGCM) 来填充缺失信息，以及一个历史检索模块 (HRM) 来重用已补全的数据，从而实现语义分割和深度估计等任务的实时性能。