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
- 用Ij初始化E0
- for t in (1,T)
- 用上一次的边缘计算第t次的光流F(EpicFlow)
- 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)
- 用运动边缘G训练新的边缘检测器ξ
- 应用边缘检测器ξ到所有框架
- 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