近期阅读文献总结 ec

1. Unsupervised Learning of Edges

输入是一些基本的边（以图像梯度的形式）和帧间的半稠密匹配。然后，在基于匹配的计算光流和最新的边缘映射之间反复交替，并根据流场获得的信号重新训练一个边缘检测器。
*半稠密匹配结果来自 DeepFlow: Large displacement optical flow with deep matching

本文用了HE和SE边缘检测器。

算法：
准备：两个连续帧（I, I'）-> 半稠密匹配M

1. 用Ij初始化E0
2. for t in (1,T)
   1. 用上一次的边缘计算第t次的光流F（EpicFlow）
   2. 将t-1次的边缘检测器ξ应用到F来探测本次的运动边缘G（FlowToRGB）
   3. 用运动边缘G训练新的边缘检测器ξ
   4. 应用边缘检测器ξ到所有框架
3. end for
   上述迭代过程进行到收敛为止

2. EKLT: Asynchronous Photometric Feature Tracking Using Events and Frames

对于角点抽取patch，通过最小化代价函数计算registration parameter p和光流v。reset patch 重新计算

本文主要是将Lucas-Kanade（KLT）的应用由传统图像帧拓展到事件相机