题目:Dense Continuous-Time Optical Flow From Event Cameras
从事件相机中获取稠密连续时间光流
作者:Mathias Gehrig; Manasi Muglikar; Davide Scaramuzza
摘要
我们提出了一种从事件数据中估计稠密连续时间光流的方法。传统的稠密光流方法计算两幅图像之间的像素位移。由于缺少信息,这些方法无法恢复两幅图像之间的盲时间内的像素轨迹。在这项工作中,我们展示了使用事件相机中的事件可以计算每个像素的连续时间光流。事件提供了关于像素空间中运动的时间上细粒度的信息,得益于其异步性质和微秒响应时间。我们利用这些优势,通过参数化的Bézier曲线密集地预测连续时间内的像素轨迹。为了实现这一目标,我们为该任务构建了一个具有强归纳偏差的神经网络:首先,我们使用事件数据在时间上构建多个顺序相关卷积。其次,我们使用Bézier曲线在轨迹的多个时间戳上索引这些相关卷积。第三,我们使用检索到的相关性迭代地更新Bézier曲线表示。我们的方法可以选择性地包括图像对以进一步提升性能。据我们所知,我们的模型是第一个可以从事件数据回归稠密像素轨迹的方法。为了训练和评估我们的模型,我们引入了一个合成数据集(