論文の概要: Spike-TBR: a Noise Resilient Neuromorphic Event Representation

• arxiv url: http://arxiv.org/abs/2506.04817v2
• Date: Thu, 12 Jun 2025 09:39:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 13:18:14.118637
• Title: Spike-TBR: a Noise Resilient Neuromorphic Event Representation
• Title（参考訳）: Spike-TBR: 雑音耐性ニューロモルフィックイベント表現
• Authors: Gabriele Magrini, Federico Becattini, Luca Cultrera, Lorenzo Berlincioni, Pietro Pala, Alberto Del Bimbo,
• Abstract要約: 時間的バイナリ表現(TBR)に基づくイベントベースの新しい符号化戦略であるSpike-TBRを提案する。 Spike-TBRは、フレームベースの利点と、スパイクニューラルネットワークのノイズフィルタリング機能を組み合わせて、イベントストリームをより堅牢に表現する。 我々は、複数のデータセットにわたって異なるスパイキングニューロンを用いて、Spike-TBRの4つの変種を評価し、ノイズの影響のあるシナリオにおいて優れた性能を示す。
• 参考スコア（独自算出の注目度）: 24.5708895410029
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Event cameras offer significant advantages over traditional frame-based sensors, including higher temporal resolution, lower latency and dynamic range. However, efficiently converting event streams into formats compatible with standard computer vision pipelines remains a challenging problem, particularly in the presence of noise. In this paper, we propose Spike-TBR, a novel event-based encoding strategy based on Temporal Binary Representation (TBR), addressing its vulnerability to noise by integrating spiking neurons. Spike-TBR combines the frame-based advantages of TBR with the noise-filtering capabilities of spiking neural networks, creating a more robust representation of event streams. We evaluate four variants of Spike-TBR, each using different spiking neurons, across multiple datasets, demonstrating superior performance in noise-affected scenarios while improving the results on clean data. Our method bridges the gap between spike-based and frame-based processing, offering a simple noise-resilient solution for event-driven vision applications.
• Abstract（参考訳）: イベントカメラは、時間分解能の向上、レイテンシの低減、ダイナミックレンジなど、従来のフレームベースのセンサよりも大きなメリットがある。 しかし、特にノイズの存在下では、イベントストリームを標準的なコンピュータビジョンパイプラインと互換性のあるフォーマットに変換することは難しい問題である。 本稿では,テンポラルバイナリ表現(TBR)に基づく新しいイベントベース符号化戦略であるSpike-TBRを提案する。 Spike-TBRは、TBRのフレームベースの利点と、スパイクニューラルネットワークのノイズフィルタリング機能を組み合わせて、イベントストリームをより堅牢に表現する。 我々は、複数のデータセットで異なるスパイキングニューロンを用いて、Spike-TBRの4つの変種を評価し、ノイズの影響のあるシナリオにおいて優れた性能を示しながら、クリーンデータの結果を改善した。 提案手法はスパイクベース処理とフレームベース処理のギャップを埋め、イベント駆動型視覚アプリケーションのための単純なノイズ耐性ソリューションを提供する。

関連論文リスト

• Learning from Noise: Enhancing DNNs for Event-Based Vision through Controlled Noise Injection [0.0]
  イベントデータは、しばしばかなりのノイズに悩まされ、ディープラーニングモデルの性能と堅牢性に悪影響を及ぼす。 本研究では,各種事象雑音に対するロバスト性を高めるために,新しいノイズ注入訓練手法を提案する。 提案手法では,制御ノイズを直接トレーニングデータに導入し,モデルによるノイズ耐性表現の学習を可能にする。
  論文  参考訳（メタデータ） (2025-06-04T13:10:26Z)
• SpikeNeRF: Learning Neural Radiance Fields from Continuous Spike Stream [26.165424006344267]
  スパイクカメラは、標準的なカメラよりも明確な利点がある。 スパイクカメラに依存する既存のアプローチは、しばしば最適な照明を仮定する。 スパイクカメラデータからNeRFに基づくボリュームシーン表現を導出した最初の作品であるSpikeNeRFを紹介する。
  論文  参考訳（メタデータ） (2024-03-17T13:51:25Z)
• Implicit Event-RGBD Neural SLAM [54.74363487009845]
  神経性SLAMは近年顕著な進歩を遂げている。 既存の手法は、非理想的なシナリオにおいて重大な課題に直面します。 本稿では,最初のイベントRGBD暗黙的ニューラルSLAMフレームワークであるEN-SLAMを提案する。
  論文  参考訳（メタデータ） (2023-11-18T08:48:58Z)
• Spike Stream Denoising via Spike Camera Simulation [64.11994763727631]
  本稿では,スパイクカメラのユニークな回路に基づくシステマティックノイズモデルを提案する。 スパイクストリームをデノナイジングするための最初のベンチマークは、クリアな(ノイズの多い)スパイクストリームを含む。 実験の結果、DnSSは提案されたベンチマークで有望なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2023-04-06T14:59:48Z)
• Multi-stage image denoising with the wavelet transform [125.2251438120701]
  深部畳み込みニューラルネットワーク(Deep Convolutional Neural Network, CNN)は、正確な構造情報を自動マイニングすることで、画像の復調に使用される。 動的畳み込みブロック(DCB)、2つのカスケードウェーブレット変換および拡張ブロック(WEB)、残留ブロック(RB)の3段階を経由した、MWDCNNによるCNNの多段階化を提案する。
  論文  参考訳（メタデータ） (2022-09-26T03:28:23Z)
• A Study of Designing Compact Audio-Visual Wake Word Spotting System Based on Iterative Fine-Tuning in Neural Network Pruning [57.28467469709369]
  視覚情報を利用した小型音声覚醒単語スポッティング(WWS)システムの設計について検討する。 繰り返し微調整方式(LTH-IF)で抽選券仮説を通したニューラルネットワークプルーニング戦略を導入する。 提案システムでは,ノイズ条件の異なる単一モード(オーディオのみ,ビデオのみ)システムに対して,大幅な性能向上を実現している。
  論文  参考訳（メタデータ） (2022-02-17T08:26:25Z)
• Neuromorphic Camera Denoising using Graph Neural Network-driven Transformers [3.805262583092311]
  ニューロモルフィック・ビジョン(Neuromorphic vision)は、コンピュータビジョンコミュニティのパラダイムシフトを引き起こしたバイオインスパイアされた技術である。 ニューロモルフィックカメラは、かなりの量の計測ノイズに悩まされている。 このノイズは、ニューロモルフィック事象に基づく知覚とナビゲーションアルゴリズムの性能を劣化させる。
  論文  参考訳（メタデータ） (2021-12-17T18:57:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。