来源：期刊VIP网 时间：
作者：刘凢;余磊;
单位：武汉大学电子信息学院;
摘要：实际应用中，事件时钟与传统相机图像帧率之间的差异往往导致二者存在一定的时空差异，很难得到精准的一一对应的事件-图像数据对，导致无法对网络进行有效的监督训练。针对时空匹配困难的问题，利用循环生成对抗网络中学习图片整体分布的特性，提出基于事件相机的无监督视频重建方法，实现了在事件相机上非时空匹配的无监督重建。实验结果表明，相比于现有的基于事件相机的视频重建方法，所提方法在结构相似性(structural similarity,SSIM)、均方误差(mean-square error,MSE)和盲/无参考图像空间质量评估器(blind/referenceless image spatial quality evaluator,BRISQUE)3个指标上均有提升；在没有时空匹配数据的情况下，所提方法能够重建出较为清晰的高帧率视频。
关键词：事件相机;;图像重建;;深度学习;;循环生成对抗网络
基金资助：国家自然科学基金项目(编号：62271354;61871297);; 湖北省自然科学基金项目(编号：2021CFB467)
