论文速览 | IEEE Signal Processing Letters, 2024 | 基于时空上下文学习的事件相机立体深度估计
1 引言
在计算机视觉领域，立体深度估计一直是一个备受关注的研究热点。传统的基于帧的方法虽然取得了长足的进步，但在处理运动模糊、低照度和平坦区域等挑战性场景时仍面临诸多困难。近年来，事件相机凭借其高时间分辨率、高动态范围和丰富的边缘信息等优势，在计算机视觉领域掀起了一场革命。这种新型传感器不同于传统相机，它能够以异步方式记录像素级的亮度变化，为解决上述难题提供了新的可能。
本文介绍了一篇发表在IEEE Signal Processing Letters上的研究论文，该论文提出了一种新颖的基于学习的事件立体深度估计网络。这个网络巧妙地融合了两个创新模块：事件时间聚合模块（E-TAM）和时间引导的空间上下文学习模块（
)
