ShapeAug++：更真实的事件数据形状增强
原文中文，约500字，阅读约需2分钟。发表于：。本研究解决了动态视觉传感器在自主应用中，由于遮挡导致的背景交通参与者视线受阻的问题。通过提出ShapeAug++，该方法在ShapeAug的基础上引入了随机生成的多边形和曲线运动，显著提高了模型在多个DVS分类数据集上的分类准确率，最高提升了3.7%。
研究人员提出了名为SEVD的事件驱动数据集，用于自动驾驶应用。该数据集使用CARLA模拟器中的多个动态视觉传感器合成，包括事件数据、RGB图像、深度图、光流、语义和实例分割。数据集涵盖了不同光照和天气条件下的城市、郊区、乡村和高速公路场景，并包含各种物体。研究人员还使用了最先进的事件驱动方法和基于帧的方法对数据集进行了评估，并提供了基准标准。
