BlinkTrack：通过事件和图像实现超过100FPS的特征跟踪
原文中文，约200字，阅读约需1分钟。发表于：。本研究解决了传统特征跟踪方法在高动态环境下的不足，提出了一种名为BlinkTrack的新框架，结合了事件数据和RGB图像以提高跟踪频率。实验结果表明，BlinkTrack在处理事件数据时可以超过100FPS的性能，其创新的学习基础卡尔曼滤波器显著提升了单一模态跟踪的准确度，并处理了模糊性问题。
论文将不可见物体视为伪遮挡物体，通过可视属性和自动标注算法处理事件相机数据集，利用跟踪策略保持伪遮挡物体的永久性和边界框。引入时空特征聚合模块和一致性损失增强稳健性。实验表明，额外的可见性标签有助于监督训练，方法在绝对 mAP 上提升了7.9%。
