Los puntos clave no están disponibles para este artículo en este momento.
La cámara de eventos tiene ventajas significativas en la captura de información de escenas dinámicas, aunque es propensa a la interferencia del ruido, particularmente en condiciones desafiantes como umbrales bajos y baja iluminación. Sin embargo, la mayoría de la investigación existente se centra en situaciones suaves, obstaculizando las aplicaciones de la cámara de eventos en escenarios complejos realistas. Para abordar esta limitación y avanzar en el campo, construimos un nuevo conjunto de datos emparejado de eliminación de ruido de eventos del mundo real (LED), que incluye 3K secuencias con 18K segundos de flujos de eventos de alta resolución (1200*680) y muestra tres distinciones notables en comparación con otros: diversos niveles de ruido y escenas, mayor escala con alta resolución, y alta calidad de GT. Específicamente, contiene parámetros escalonados y variaciones de iluminación en diversos escenarios. Además, basándonos en la característica de inconsistencia de eventos de ruido y consistencia de eventos de señal, proponemos un nuevo marco de eliminación de ruido efectivo (DED) utilizando eventos duales homogéneos para generar el GT, separando mejor el ruido de los datos en bruto. Además, diseñamos una línea base bio-inspirada aprovechando neuronas de Integración y Fuego con fugas (LIF) con umbrales dinámicos para realizar una eliminación de ruido precisa. Los resultados experimentales demuestran el rendimiento notable del enfoque propuesto en diferentes conjuntos de datos. El conjunto de datos y el código están en https://github.com/Yee-Sing/led.
Duan et al. (Jue,) estudiaron esta cuestión.