論文の概要: Driving in Spikes: An Entropy-Guided Object Detector for Spike Cameras

• arxiv url: http://arxiv.org/abs/2511.15459v1
• Date: Wed, 19 Nov 2025 14:16:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-20 15:51:28.838111
• Title: Driving in Spikes: An Entropy-Guided Object Detector for Spike Cameras
• Title（参考訳）: スパイクで運転する:スパイクカメラ用のエントロピー誘導物体検出器
• Authors: Ziyan Liu, Qi Su, Lulu Tang, Zhaofei Yu, Tiejun Huang,
• Abstract要約: スパイクカメラは、マイクロ秒のレイテンシとオブジェクト検出のための超高ダイナミックレンジを提供する。 希少で離散的な出力は標準画像ベースの検出器では処理できない。 デュアルブランチ設計によるエンド・ツー・エンドのスパイクカメラ検出器EASDを提案する。 DSEC Spikeは、最初の駆動指向シミュレートされたスパイク検出ベンチマークである。
• 参考スコア（独自算出の注目度）: 62.94986160782233
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Object detection in autonomous driving suffers from motion blur and saturation under fast motion and extreme lighting. Spike cameras, offer microsecond latency and ultra high dynamic range for object detection by using per pixel asynchronous integrate and fire. However, their sparse, discrete output cannot be processed by standard image-based detectors, posing a critical challenge for end to end spike stream detection. We propose EASD, an end to end spike camera detector with a dual branch design: a Temporal Based Texture plus Feature Fusion branch for global cross slice semantics, and an Entropy Selective Attention branch for object centric details. To close the data gap, we introduce DSEC Spike, the first driving oriented simulated spike detection benchmark.
• Abstract（参考訳）: 自律走行における物体検出は、高速な動きと極端な照明の下での運動のぼやけと飽和に悩まされる。 スパイクカメラは、マイクロ秒のレイテンシと、ピクセルごとの非同期統合と発火によるオブジェクト検出のための超高ダイナミックレンジを提供する。 しかし、その希薄で離散的な出力は、標準画像ベースの検出器では処理できないため、エンドツーエンドのスパイクストリーム検出にとって重要な課題となっている。 本稿では,グローバルなクロススライスセマンティクスのためのテンポラルベーステクスチャとFeature Fusionブランチ,オブジェクト中心のディテールのためのEntropy Selective Attentionブランチという,デュアルブランチ設計のエンドツーエンドスパイクカメラ検出器EASDを提案する。 データギャップを埋めるために、最初の駆動指向シミュレートされたスパイク検出ベンチマークであるDSEC Spikeを紹介する。

関連論文リスト

• DoppDrive: Doppler-Driven Temporal Aggregation for Improved Radar Object Detection [6.0158981171030685]
  既存の手法では時間的アグリゲーションとエゴモーション補償によって点密度を増大させるが,本手法では動的物体からの散乱を導入し,検出性能を劣化させる。 散乱を最小化しながらレーダ点雲密度を増大させる新しいドップラー駆動時間アグリゲーション法であるDoppDriveを提案する。 DoppDriveは、検出前に適用された点雲密度向上ステップであり、あらゆる検出器と互換性があり、さまざまな検出器やデータセットのオブジェクト検出性能が大幅に向上することを示した。
  論文  参考訳（メタデータ） (2025-08-17T11:24:46Z)
• SpikeStereoNet: A Brain-Inspired Framework for Stereo Depth Estimation from Spike Streams [70.9610707466343]
  バイオインスパイクカメラは、マイクロ秒レベルの解像度で非同期イベントを出力し、代替のセンシングモードを提供する。 既存の手法には、スパイクデータに適した特別なステレオアルゴリズムとベンチマークが欠けている。 本稿では,脳にインスパイアされたフレームワークであるSpikeStereoNetを提案する。
  論文  参考訳（メタデータ） (2025-05-26T04:14:34Z)
• POD: Predictive Object Detection with Single-Frame FMCW LiDAR Point Cloud [14.873096346810723]
  本稿では、周波数変調連続波(FMCW)LiDARの自律的知覚におけるユニークな利点について考察する。 放射速度を計測した単一フレームのFMCW点雲を考えると,物体検出装置は短期的な物体の位置を検出することができると期待できる。 本稿では,新しいPODフレームワークを提案する。その中核となる考え方は,レイキャスティング機構を用いて仮想未来点を生成することである。
  論文  参考訳（メタデータ） (2025-04-08T03:53:28Z)
• RobuRCDet: Enhancing Robustness of Radar-Camera Fusion in Bird's Eye View for 3D Object Detection [68.99784784185019]
  暗い照明や悪天候はカメラの性能を低下させる。 レーダーは騒音と位置のあいまいさに悩まされる。 本稿では,BEVの頑健な物体検出モデルであるRobuRCDetを提案する。
  論文  参考訳（メタデータ） (2025-02-18T17:17:38Z)
• SpecDETR: A Transformer-based Hyperspectral Point Object Detection Network [32.7318504162588]
  ハイパースペクトル目標検出(HTD)は、ハイパースペクトル画像のスペクトル情報に基づいて特定の物質を識別することを目的としている。 既存のHTD法は、ハイパースペクトル画像の3次元立方体構造を無視した画素単位のバイナリ分類に基づいて開発されている。 ハイパースペクトル・マルチクラス・ポイント・オブジェクト検出のための最初の専用ネットワークであるSpecDETRを紹介する。
  論文  参考訳（メタデータ） (2024-05-16T14:45:06Z)
• SpikeMOT: Event-based Multi-Object Tracking with Sparse Motion Features [52.213656737672935]
  SpikeMOTはイベントベースのマルチオブジェクトトラッカーである。 SpikeMOTはスパイクニューラルネットワークを使用して、オブジェクトに関連するイベントストリームからスパーステンポラルな特徴を抽出する。
  論文  参考訳（メタデータ） (2023-09-29T05:13:43Z)
• Multi-Task Cross-Modality Attention-Fusion for 2D Object Detection [6.388430091498446]
  レーダとカメラデータの整合性を向上する2つの新しいレーダ前処理手法を提案する。 また,オブジェクト検出のためのMulti-Task Cross-Modality Attention-Fusion Network (MCAF-Net)を導入する。 我々のアプローチは、nuScenesデータセットにおける現在の最先端のレーダーカメラフュージョンベースのオブジェクト検出器よりも優れています。
  論文  参考訳（メタデータ） (2023-07-17T09:26:13Z)
• DetZero: Rethinking Offboard 3D Object Detection with Long-term Sequential Point Clouds [55.755450273390004]
  既存のオフボード3D検出器は、無限の逐次点雲を利用するために常にモジュラーパイプライン設計に従っている。 その結果, 物体の運動状態は, 物体中心の精製段階において必然的な課題となること, 物体の運動状態は, 物体軌道を十分に生成できないこと, 物体中心の精製段階において必然的な課題となること, の2つの理由から, オフボード型3D検出器の完全なポテンシャルは明らかにされていないことがわかった。 これらの問題に対処するために,DetZero という,オフボード型3次元物体検出の新たなパラダイムを提案する。
  論文  参考訳（メタデータ） (2023-06-09T16:42:00Z)

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。