训练阶段的问题

[HandsomeMrli]

根据paper中的说法，根据eventVot数据集进行训练，但是这个数据集只有Event数据，那么Teacher Transformer网络训练过程中的RGB Frame数据是怎么获得的

[wangxiao5791509]

@HandsomeMrli 感谢关注。Event stream 可以堆叠为 Event image，结合 Event Voxel 进行训练。这里看做是 multi-view 的设定。