Tiefe Lernmethoden für ereignisbasierte Bildverarbeitung: Eine umfassende Übersicht und Benchmarks
Ereigniskameras sind bio-inspirierte Sensoren, die asynchrone Änderungen der Pixelintensität erfassen und einen Ereignisstrom erzeugen, der Zeit, Pixelposition und Polarität (Vorzeichen) der Intensitätsänderungen kodiert. In den letzten Jahren haben tiefe Lernmethoden (Deep Learning) dieses aufstrebende Gebiet belebt und aktive Forschungsbemühungen inspiriert, um sein Potenzial auszuschöpfen. Diese Arbeit bietet einen umfassenden Überblick über die bestehenden Deep-Learning-basierten Methoden, strukturiert in zwei Hauptkategorien: 1) Bildrekonstruktion und -wiederherstellung und 2) ereignisbasiertes Szenenverständnis und 3D-Vision. Darüber hinaus werden Benchmark-Experimente für repräsentative Forschungsrichtungen durchgeführt, um kritische Erkenntnisse und Probleme zu identifizieren, und es werden neue Perspektiven für zukünftige Forschungsarbeiten diskutiert.