BriefGPT - AI 论文速递
·
面向鲁棒的事件引导低光图像增强：一个大规模真实世界事件图像数据集和新方法
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种基于事件-RGBD的隐式神经SLAM框架，利用事件数据进行跟踪和建图，并通过渲染技术生成独特的RGB和事件相机数据。该方法在各种环境中超越其他方法，实时性能达到17 FPS。
🎯
关键要点
-
提出了基于事件-RGBD的隐式神经SLAM框架EN-SLAM。
-
该框架利用事件数据的高速率和高动态范围进行跟踪和建图。
-
通过可微分的CRF渲染技术生成独特的RGB和事件相机数据。
-
采用统一的隐式表示进行优化，提升跟踪准确性和鲁棒性。
-
实验证明该方法在各种挑战性环境中超越了现有的SOTA方法。
-
在跟踪ATE和建图ACC方面实现了实时17 FPS的性能。
➡️
