事件相机初探(一)
具体地,准备两种不同的堆叠方案,仅关注过去事件的事件堆栈(Econ,past)和同时关注过去和未来事件的事件堆栈(Econ,both,以GT时间戳为基准的2M个混合密度事件堆栈),引入相似性损失函数,这个损失函数的目标是使这两个不同方案中的中间表示变量(bpast和bboth)变得相似(尽管输入数据不同,但网络应该学会在潜在空间中对它们进行相似性映射),文中提出使用未来的事件信息来进一步提高深度估计的质量(学习一个包含过去和未来事件的模型,但仅根据过去的数据来推断预测的未来)。作为补救措施,文中提出。
原创
2023-10-20 17:43:47 ·
276 阅读 ·
0 评论