LiFR v2 事件相机稠密预测框架发布

2026年10月16日，arXiv Computer Vision 刊出 Tao Wan 等作者的报道，介绍 LiFR v2——一个面向高速密集预测的补全增强事件传播框架。据该报道，LiFR v2 是一个统一的传播-补全-记忆框架，利用 RGB 关键帧和事件流实现因果式随时与流式密集预测；相比此前版本，新增 Event-Guided Completion Module（EGCM），用于恢复传播无支撑区域的表示，并引入 History Retrieval Module（HRM）复用已补全表示。报道未披露该框架的适用对象、收费或额度、地域及使用限制等条件。上述内容仅为该来源的表述，不构成对其准确性的独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。