BriefGPT - AI 论文速递
·
从模拟到真实：基于事件的通用低光帧插值与每场景优化
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种新的立体事件驱动视频帧插值网络（SEVFI-Net），通过特征聚合模块解决交叉模态视差，并利用融合特征实现精确的光流和视差估计，通过流和合成方式实现更好的插值结果。作者还构建了一个由事件相机和RGB-D相机组成的立体视觉采集系统，并收集了一个新的立体事件强度数据集（SEID）。实验证明SEVFI-Net在公共真实世界立体数据集和作者的SEID数据集上优于现有方法。
🎯
关键要点
- 提出了一种新的立体事件驱动视频帧插值网络（SEVFI-Net）。
- 通过特征聚合模块解决交叉模态视差。
- 利用融合特征实现精确的光流和视差估计。
- 通过流和合成方式实现更好的插值结果。
- 构建了一个由事件相机和RGB-D相机组成的立体视觉采集系统。
- 收集了一个新的立体事件强度数据集（SEID）。
- 实验证明SEVFI-Net在公共真实世界立体数据集和SEID数据集上优于现有方法。
➡️
