Gehrig, DanielReischuk, Rüdiger2024-10-022024-10-022024978-3-88579-982-5https://dl.gi.de/handle/20.500.12116/44708Eventkameras messen zeitlich hochauflösende, asynchrone und spärliche Intensitätsänderungen (“Events”), die viel latenz- und datenärmer sind als die einer bildbasierten Hochgeschwindigkeitskamera. Trotz dieser Vorteile, nutzen datenbasierte Methoden nicht ihr volles Potenzial: Sie sind (i) ineffizient, da sie den spärlichen und asynchronen Eventcharakter verwerfen, (ii) anwendungslimitiert wegen der Seltenheit von Datensätzen und (iii) fragil, wegen des geringen semantischen Eventkontexts, der nur ineffizient und unter Verwurf der hohen Zeitauflösung mit komplementärem Bildkontext fusioniert werden kann. Die Dissertation bietet Lösungsansätze zur Effizienzsteigerung von Netzwerken, Erschliessung von Eventdatensätzen und Entwicklung effizienter und zeitlich hochauflösender Bildfusionsalgorithmen. Die entwickelten Algorithmen schalten das volle Potenzial von Eventkameras zur effizienten, robusten und hochauflösenden Wahrnehmung frei.de10.18420/Diss2023-12