EventAug:用于事件学习的多方面时空数据增强方法

本研究解决了事件相机数据不足和多样性有限的问题,提出了一个系统的数据增强方案EventAug,以丰富时空多样性。通过多尺度时间集成(MSTI)和空间-显著性事件掩模(SSEM)及时间-显著性事件掩模(TSEM)的引入,显著提高了模型在不同任务上的鲁棒性和准确性。

AI生成摘要 本文提出了多镜头时间事件定位任务,并收集了大规模数据集MUSES。通过一个简单的基线方法,在MUSES和THUMOS14上分别获得18.9%和56.9%的mAP值。

原文中文,约200字,阅读约需1分钟。发表于:7 个月前
阅读原文