arXiv · 机器人与计算机视觉· Xiaokai Song, Zhang Li, Leqi Liu, Yibin Ye, Kun Wang, Xichao Teng·· 13 天前精选AI 评分78
选择性事件证据与持久时间先验用于事件相机点跟踪
Selective Event Evidence and Persistent Temporal Priors for Event-Based Point Tracking
AI 导读
arXiv 论文提出 SEPT 框架,专为长序列任意点跟踪设计,仅利用事件数据。该方法包含两个模块:任务自适应事件证据调制(TEEM)学习有界可靠性场以加权时空通道特征;持久轨迹先验(PTP)通过边缘化局部二次模型与 Schur 补传递几何信息并修正可见性坐标。
推荐理由
该工作提出仅基于事件相机的长序列点跟踪框架,通过任务自适应证据调制与持久轨迹先验解决稀疏性与漂移问题。
来源:arXiv · 机器人与计算机视觉 · arxiv.org