Key points are not available for this paper at this time.
L'émergence de caméras d'événements inspirées de la biologie a ouvert de nouvelles possibilités passionnantes dans le suivi à haute fréquence, surmontant certaines des limitations de la vision traditionnelle basée sur des images (par exemple, le flou de mouvement lors de mouvements à grande vitesse ou la saturation dans des scènes à large gamme dynamique). En conséquence, la recherche s'est concentrée sur le traitement de leur sortie inhabituelle : un flux d'événements asynchrone. Avec la majorité des techniques existantes qui discretisent le flux d'événements en représentations semblables à des images, nous n'avons pas encore exploité la véritable puissance de ces caméras. Dans cet article, nous proposons le traceur ACE : un cadre purement asynchrone pour suivre les caractéristiques des événements de coin. L'évaluation sur des ensembles de données de référence révèle des améliorations significatives en précision et en efficacité computationnelle par rapport aux traceurs basés sur des événements à la pointe de la technologie. ACE atteint des performances robustes même dans des scénarios difficiles, où les algorithmes de vision basés sur des images traditionnels échouent.
Alzugaray et al. (Sat,) ont étudié cette question.
Synapse has enriched 4 closely related papers on similar clinical questions. Consider them for comparative context: