eventSR的论文理解

EventSR: From Asynchronous Events to Image Reconstruction, Restoration, and Super-Resolution via End-to-End Adversarial Learning

数据集：https://github.com/wl082013/ESIM_dataset.
还没有Github
EventSR:从异步事件到图像重建、恢复和通过端到端对抗性学习实现超分辨率
问题
所有三个阶段的真实数据都没有GT图像，事件相机从时间流中重建图片，会造成问题
方法

1. 我们提出EventSR以一种无监督的方式学习从事件到SR图像的映射。
2. 为了训练EventSR中，我们制作了一个开放数据集，包括模拟场景和真实场景。
3. 从纯事件流中重建、恢复(如去噪/去模糊)和超分辨强度图像
   没有解决的问题
   事件如何影响EventSR的总体性能
   两种数据集的使用提高了网络性能，各阶段的网络架构和各种损失函数有助于提高图像质量。
   什么是事件相机
   事件相机是仿生学的传感器，在事件发生时感知强度的变化，并产生异步事件流，而传统相机以固定的帧率捕捉强度变化。
   事件相机(例如DAVIS 240)具有非常高的动态范围(HDR) (140dB)、无运动模糊和高时间分辨率(1小秒)等明显优势，而且已经证明，单独的事件相机足以执行高级任务，如目标检测
   ，跟踪，SLAM。
   有源像素传感器(APS)图像具有低动态范围，低LR和模糊。因此，重建的图像通常是LR和伪影。虽然活动摄像机的聚焦HR，即球形HR图像拼接和HR事件全景，分别没有考虑图像-平面HR强度图像重建及其感知现实性。