eTraM: Event-based Traffic Monitoring Dataset

事件相机具有高时间和动态范围以及最小的内存使用，已在各个领域找到了应用。然而，它们在静态交通监测方面的潜力仍然很大程度上未被开发。为了促进这方面的探索，我们提出了eTraM——一种首款完全基于事件的交通监测数据集。eTraM提供了来自不同交通场景的10小时数据，包括各种光照和天气条件，提供了对现实世界情况的全面概述。它提供了200万个边界框注释，涵盖了八个不同的交通参与者类别，从车辆到行人和微型交通工具。eTraM的实用性已经使用了交通参与者检测的最先进方法进行了评估，包括RVT、RED和YOLOv8。我们定量评估了基于事件的模型在夜间和未见过场景中的泛化能力。我们的研究结果证实了利用事件相机进行交通监测的强大潜力，为研究和应用开辟了新的途径。eTraM可在https://eventbasedvision.github.io/eTraM上获取。

研究事件相机在静态交通监测中的应用潜力，提供一个全新的交通监测数据集。

提供一个全新的基于事件相机的交通监测数据集eTraM，并使用RVT、RED和YOLOv8等先进方法评估基于事件相机的交通参与者检测模型的泛化能力。

eTraM数据集包含10小时的不同交通场景下的数据，提供了8个不同类别的交通参与者的2M个边界框注释，可以用于研究事件相机在夜间和未知场景下的泛化能力。实验结果表明，使用事件相机进行交通监测具有巨大的潜力。

最近的相关研究包括：1）使用事件相机进行目标跟踪的研究；2）事件相机在机器人导航中的应用研究。