論文の概要: Event-Driven Neuromorphic Vision Enables Energy-Efficient Visual Place Recognition

• arxiv url: http://arxiv.org/abs/2604.03277v1
• Date: Tue, 24 Mar 2026 10:26:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-12 18:41:08.582135
• Title: Event-Driven Neuromorphic Vision Enables Energy-Efficient Visual Place Recognition
• Title（参考訳）: イベント駆動型ニューロモーフィックビジョンはエネルギー効率の良い視覚的位置認識を可能にする
• Authors: Geoffroy Keime, Nicolas Cuperlier, Benoit R. Cottereau,
• Abstract要約: バイオインスパイアされたニューロモルフィックなアプローチであるSpikeVPRを導入し、コンパクトで不変な場所記述子を生成する。 SpikeVPRは、代理勾配学習を使用してエンドツーエンドでトレーニングされ、新しい拡張戦略であるEventDilationが組み込まれている。 SpikeVPRは、50倍のパラメータを使用し、30～250倍のエネルギーを消費しながら、最先端のディープネットワークに匹敵するパフォーマンスを達成する。
• 参考スコア（独自算出の注目度）: 1.410209203415769
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Reliable visual place recognition (VPR) under dynamic real-world conditions is critical for autonomous robots, yet conventional deep networks remain limited by high computational and energy demands. Inspired by the mammalian navigation system, we introduce SpikeVPR, a bio-inspired and neuromorphic approach combining event-based cameras with spiking neural networks (SNNs) to generate compact, invariant place descriptors from few exemplars, achieving robust recognition under extreme changes in illumination, viewpoint, and appearance. SpikeVPR is trained end-to-end using surrogate gradient learning and incorporates EventDilation, a novel augmentation strategy enhancing robustness to speed and temporal variations. Evaluated on two challenging benchmarks (Brisbane-Event-VPR and NSAVP), SpikeVPR achieves performance comparable to state-of-the-art deep networks while using 50 times fewer parameters and consuming 30 and 250 times less energy, enabling real-time deployment on mobile and neuromorphic platforms. These results demonstrate that spike-based coding offers an efficient pathway toward robust VPR in complex, changing environments.
• Abstract（参考訳）: 動的実世界の条件下での信頼性の高い視覚的位置認識(VPR)は自律ロボットにとって重要であるが、従来のディープネットワークは高い計算量とエネルギー要求によって制限されている。 哺乳類のナビゲーションシステムにインスパイアされたSpikeVPRは、イベントベースのカメラとスパイキングニューラルネットワーク(SNN)を組み合わせたバイオインスパイアされたニューロモルフィックなアプローチで、少数の例からコンパクトで不変な場所記述子を生成し、照明、視点、外観の極端な変化の下で堅牢な認識を実現する。 SpikeVPRは、代理勾配学習を使用してエンドツーエンドにトレーニングされ、スピードと時間変動に対する堅牢性を強化した新しい拡張戦略であるEventDilationが組み込まれている。 2つの挑戦的なベンチマーク(Brisbane-Event-VPRとNSAVP)に基づいて評価されたSpikeVPRは、50倍のパラメータを使用し、30～250倍のエネルギーを消費しながら、最先端のディープネットワークに匹敵するパフォーマンスを実現し、モバイルおよびニューロモルフィックプラットフォームへのリアルタイムデプロイメントを可能にする。 これらの結果は、スパイクベースの符号化が、複雑で変化する環境において、堅牢なVPRへの効率的な経路を提供することを示している。

関連論文リスト

• Neural Dynamics Self-Attention for Spiking Transformers [59.57278823240336]
  TransformerアーキテクチャによるSNN(Spike Neural Networks)は、エネルギー効率とパフォーマンスのバランスをとるための、有望な経路を提供する。 既存のスパイキングトランスフォーマーは、(i)ニューラルネットワーク(ANN)と(ii)推論時の高メモリオーバーヘッドと比較して、大幅なパフォーマンスギャップがあるという2つの重要な課題に直面している。 本稿では、局所受容野を持つスパイキングニューロンを用いて、メモリ要求を減らしながら注意を計算するLRF-Dynを提案する。
  論文  参考訳（メタデータ） (2026-03-09T12:23:37Z)
• Energy-Aware Spike Budgeting for Continual Learning in Spiking Neural Networks for Neuromorphic Vision [0.0]
  スパイキングニューラルネットワーク(SNN)に基づくニューロモルフィック視覚システムは、イベントベースおよびフレームベースのカメラに対して超低消費電力の知覚を提供する。 既存の継続学習手法は、主に人工知能ニューラルネットワーク向けに開発されており、精度とエネルギー効率を共同で最適化することはめったにない。 本研究では,連続的なSNN学習のためのエネルギーを意識したスパイク予算化フレームワークを提案する。これは,経験の再現,学習可能なインテグレート・アンド・ファイア・ニューロンパラメータ,およびデータセット固有のエネルギー制約を強制するための適応スパイクススケジューラを提案する。
  論文  参考訳（メタデータ） (2026-02-12T18:15:32Z)
• RT-DETRv4: Painlessly Furthering Real-Time Object Detection with Vision Foundation Models [48.91205564876609]
  軽量物体検出器の高効率化を目的とした,コスト効率・高適合性蒸留フレームワークを提案する。 当社のアプローチは、さまざまなDETRベースのモデルに対して、目立って一貫したパフォーマンス向上を実現しています。 我々の新しいモデルファミリーRT-DETRv4はCOCOの最先端結果を達成し、APスコアは49.7/53.5/55.4/57.0で、対応する速度は273/169/124/78 FPSである。
  論文  参考訳（メタデータ） (2025-10-29T08:13:17Z)
• Enhanced Evolutionary Multi-Objective Deep Reinforcement Learning for Reliable and Efficient Wireless Rechargeable Sensor Networks [44.91945854166524]
  ワイヤレス充電式センサネットワーク(WRSN)とモバイル充電機能は、ネットワーク寿命を延ばすための有望なソリューションを提供する。 WRSNは、ノード生存率の最大化と充電エネルギー効率の最大化の間の本質的にのトレードオフから、重要な課題に直面している。
  論文  参考訳（メタデータ） (2025-10-24T03:30:00Z)
• Feature Complementation Architecture for Visual Place Recognition [19.779780157790423]
  視覚的位置認識(VPR)は、ロボットのローカライゼーションとナビゲーションにおいて重要な役割を果たす。 既存の手法では、典型的には畳み込みニューラルネットワーク(CNN)や視覚変換器(ViT)を特徴抽出器として採用している。 並列CNN-ViTハイブリッドアーキテクチャと動的特徴融合モジュール(DFM)を統合したVPRのためのローカル・グローバル特徴補完ネットワーク(LGCN)を提案する。
  論文  参考訳（メタデータ） (2025-06-14T08:32:55Z)
• Spiking Meets Attention: Efficient Remote Sensing Image Super-Resolution with Attention Spiking Neural Networks [86.28783985254431]
  従来の人工ニューラルネットワーク(ANN)の代替手段としてスパイキングニューラルネットワーク(SNN)が登場 本稿では,AID,DOTA,DIORなどのリモートセンシングベンチマークにおいて,最先端の性能を実現するSpikeSRを提案する。
  論文  参考訳（メタデータ） (2025-03-06T09:06:06Z)
• A Novel Spike Transformer Network for Depth Estimation from Event Cameras via Cross-modality Knowledge Distillation [3.355813093377501]
  イベントカメラは、非同期バイナリスパイクとして光強度の時間変化を符号化する。 従来の画像に基づく深度推定手法には、従来のスパイク出力とラベル付きデータセットの不足が大きな課題となっている。 本研究では, スパイキングデータのユニークな特性を利用して, 深度推定のための新しいエネルギー効率の高いスパイク駆動型トランスフォーマーネットワークを提案する。
  論文  参考訳（メタデータ） (2024-04-26T11:32:53Z)
• Binary Neural Networks for Memory-Efficient and Effective Visual Place Recognition in Changing Environments [24.674034243725455]
  視覚的場所認識(VPR)は、視覚データを用いて、ある場所が訪れたかどうかを判断するロボットの能力である。 CNNベースのアプローチは、小さなロボットやドローンのようなリソース制約のあるプラットフォームには適さない。 本稿では,メモリ要求と計算労力を大幅に削減する,超コンパクトモデルの新たなクラスを提案する。
  論文  参考訳（メタデータ） (2020-10-01T22:59:34Z)
• Learn to cycle: Time-consistent feature discovery for action recognition [83.43682368129072]
  時間的変動を一般化することは、ビデオにおける効果的な行動認識の前提条件である。 Squeeze Re Temporal Gates (SRTG) を導入する。 SRTPGブロックを使用する場合,GFLOの数は最小限に抑えられ,一貫した改善が見られた。
  論文  参考訳（メタデータ） (2020-06-15T09:36:28Z)

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。