論文の概要: FS-DVS: A Frequency-Selective Dynamic Visual Sensing Paradigm for Enhancing Information Completeness

• arxiv url: http://arxiv.org/abs/2606.06856v1
• Date: Fri, 05 Jun 2026 03:00:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-08 14:33:29.536671
• Title: FS-DVS: A Frequency-Selective Dynamic Visual Sensing Paradigm for Enhancing Information Completeness
• Title（参考訳）: FS-DVS:情報完全性向上のための周波数選択動的ビジュアルセンシングパラダイム
• Authors: Feiyu Ji, Xiaokang Yang, Xiaoyun Yuan,
• Abstract要約: ダイナミックビジョンセンサ(DVS)は、ピクセルレベルの強度変化を非同期に報告することで、例外的な時間分解能とダイナミックレンジを提供する。 本稿では,学習可能な空間フィルタを統合した新しいパラダイムであるFS-DVS(周波数選択型ダイナミックビジョンセンサ)を提案する。 微分可能なイベントシミュレーションフレームワークを開発することで、空間フィルタを下流タスクでエンドツーエンドに最適化することができる。
• 参考スコア（独自算出の注目度）: 30.541053618924277
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Dynamic vision sensors (DVS) offer exceptional temporal resolution and dynamic range by asynchronously reporting pixel-level intensity changes. However, conventional DVS rely on a per-pixel independent triggering mechanism, ignoring the spatial integration performed by biological retinal ganglion cells (RGCs). Consequently, they lack the contrast sensitivity function (CSF) and its inherent sensitivity to mid-spatial frequencies, which inevitably leads to information incompleteness due to sub-threshold signal loss. To bridge this gap, we propose FS-DVS (Frequency-Selective Dynamic Vision Sensor), a novel paradigm that integrates a learnable spatial filter strictly preceding the event triggering process to mimic the RGC aggregation mechanism. By developing a differentiable event simulation framework, the spatial filter can be optimized end-to-end with downstream tasks. Our study reveals that starting from a delta function, the learned spatial filters spontaneously evolve into center-surround patterns that emphasize mid-frequency components, consistently aligning with human CSF. Beyond achieving substantial performance gains in object detection and action recognition, the consistent convergence to human-like CSF characteristics across different tasks underscores the universality of this mid-frequency selective mechanism. Compared to naively increasing sensor sensitivity or relying on post-processing, our paradigm achieves selective information enhancement with high noise resilience, providing a robust, biologically plausible blueprint for next-generation neuromorphic sensors.
• Abstract（参考訳）: ダイナミックビジョンセンサ(DVS)は、画素レベルの強度変化を非同期に報告することで、例外的な時間分解能とダイナミックレンジを提供する。 しかし、従来のDVSは、生物学的網膜神経節細胞(RGC)による空間統合を無視して、ピクセル単位の独立トリガー機構に依存している。 その結果、コントラスト感度関数(CSF)と中空間周波数に対する固有の感度が欠如し、サブ閾値信号損失による情報の不完全性が必然的に生じる。 このギャップを埋めるために, イベントトリガプロセスに厳密に先行する学習可能な空間フィルタを統合し, RGCアグリゲーション機構を模倣するFS-DVS(Frequency-Selective Dynamic Vision Sensor)を提案する。 微分可能なイベントシミュレーションフレームワークを開発することで、空間フィルタを下流タスクでエンドツーエンドに最適化することができる。 本研究は, デルタ関数から学習空間フィルタが自然に中心周辺パターンへと進化し, 中間周波数成分が強調され, 常にヒトのCSFと一致していることを明らかにする。 物体検出と行動認識においてかなりの性能向上を達成するだけでなく、異なるタスクにまたがる人間のようなCSF特性への一貫した収束は、この中頻度選択機構の普遍性を示している。 センサ感度の向上や後処理への依存に比較して,我々のパラダイムは高雑音耐性による選択的情報強化を実現し,次世代のニューロモルフィックセンサーに堅牢で生物学的に妥当な青写真を提供する。

関連論文リスト

• Triple Spectral Fusion for Sensor-based Human Activity Recognition [86.21994396715074]
  本稿では,センサを用いたヒューマンアクティビティ認識(HAR)に適した新しい三重スペクトル融合フレームワークを提案する。 雑音抑制のための適応的な補間フィルタリング手法を開発し,各IMUセンサを姿勢・運動モードノードに整理する。 適応ウェーブレット周波数選択手法により、コンテキストの冗長性を抑え、特徴の長さを短縮する。
  論文  参考訳（メタデータ） (2026-05-04T15:42:58Z)
• FreqDGT: Frequency-Adaptive Dynamic Graph Networks with Transformer for Cross-subject EEG Emotion Recognition [1.9198890060313585]
  クロスオブジェクトの一般化は、個人の多様性、認知的特徴、感情的な反応による課題である。 本稿では,周波数適応型動的グラフ変換器FreqDGTを提案する。 FreqDGTは、周波数適応性、空間力学、時間階層モデリングの統合の有効性を確認することにより、物体間感情認識の精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2025-06-28T08:18:05Z)
• PhysLLM: Harnessing Large Language Models for Cross-Modal Remote Physiological Sensing [49.243031514520794]
  LLM(Large Language Models)は、テキスト中心の設計のため、長距離信号の取得に優れる。 PhysLLMは最先端の精度とロバスト性を実現し、照明のバリエーションや動きのシナリオにまたがる優れた一般化を示す。
  論文  参考訳（メタデータ） (2025-05-06T15:18:38Z)
• FreSca: Scaling in Frequency Space Enhances Diffusion Models [55.75504192166779]
  本稿では,潜時拡散モデルにおける周波数制御について検討する。 本稿では,低周波成分と高周波成分にノイズ差を分解する新しいフレームワークFreScaを紹介する。 FreScaはモデルの再トレーニングやアーキテクチャの変更なしに動作し、モデルとタスクに依存しない制御を提供する。
  論文  参考訳（メタデータ） (2025-04-02T22:03:11Z)
• Frequency Domain Enhanced U-Net for Low-Frequency Information-Rich Image Segmentation in Surgical and Deep-Sea Exploration Robots [34.28684917337352]
  CNNと人間の視覚系における周波数帯域感度の差について検討する。 本稿では、生体視覚機構にインスパイアされたウェーブレット適応スペクトル融合(WASF)法を提案する。 我々は SAM2 のバックボーンネットワークを利用する FE-UNet モデルを開発し, セグメンテーション精度を確保するために細調整した Hiera-Large モジュールを組み込んだ。
  論文  参考訳（メタデータ） (2025-02-06T07:24:34Z)

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。