論文の概要: Following the Flow: Advection-Consistent Modeling for Event-based Small Object Detection

• arxiv url: http://arxiv.org/abs/2606.22378v1
• Date: Sun, 21 Jun 2026 07:56:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 18:37:33.7729
• Title: Following the Flow: Advection-Consistent Modeling for Event-based Small Object Detection
• Title（参考訳）: 流れの追従:イベントベース小物体検出のためのアドベクション・一貫性モデリング
• Authors: Wen Guo, Fulong Cai, Wuzhou Quan,
• Abstract要約: イベントカメラは、マイクロ秒レイテンシで高周波の視覚知覚を可能にし、ダイナミックシーンの利点を提供する。 しかし,ノイズによって容易に破壊される疎度な非同期測定と弱いオブジェクト応答のため,イベントベースの小さなオブジェクト検出は依然として困難である。 本研究では,運動駆動型特徴輸送プロセスとしてイベント進化を定式化するPACTという物理誘導型対流抵抗型フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 2.925778409623925
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event cameras enable high-frequency visual perception with microsecond latency, offering advantages for dynamic scenes. However, event-based small object detection remains challenging due to sparse asynchronous measurements and weak object responses that are easily disrupted by noise. Limited spatial support causes small-object signals to lose temporal continuity, resulting in fragmented and unstable predictions. To address this issue, we propose a physics-guided advection-consistent modeling framework, termed PACT, which formulates event evolution as a motion-driven feature transport process. Instead of relying solely on local spatio-temporal aggregation, PACT propagates features along estimated velocity fields and enforces trajectory-level consistency through advection constraints. This design preserves weak event responses over time and prevents their degradation under complex background interference. Technically, PACT integrates motion-aware feature extraction with a differentiable advection-based transport operator, enabling coherent motion representation and effective noise suppression during temporal evolution. Extensive experiments on benchmark event-based datasets demonstrate that PACT consistently outperforms state-of-the-art methods, achieving improvements of 20.72\% in IoU and 15.03\% in accuracy while maintaining comparable computational efficiency. The code is publicly available at https://github.com/fulongcai/PACT.
• Abstract（参考訳）: イベントカメラは、マイクロ秒レイテンシで高周波の視覚知覚を可能にし、ダイナミックシーンの利点を提供する。 しかし,ノイズによって容易に破壊される疎度な非同期測定と弱いオブジェクト応答のため,イベントベースの小さなオブジェクト検出は依然として困難である。 限られた空間的支持は、小さな物体の信号が時間的連続性を失い、断片化され不安定な予測をもたらす。 この問題に対処するため,PACTと呼ばれる物理誘導型対流連続モデリングフレームワークを提案し,運動駆動型特徴伝達プロセスとしてイベントの進化を定式化する。 局所時空間アグリゲーションのみに頼るのではなく、PACTは推定速度場に沿って特徴を伝播させ、対流の制約によって軌道レベルの一貫性を強制する。 この設計は、時間とともに弱いイベント応答を保ち、複雑なバックグラウンド干渉の下でその劣化を防ぐ。 技術的には、PACTは、運動認識機能抽出と異なる対流に基づく輸送演算子を統合し、時間的進化におけるコヒーレントな動き表現と効果的なノイズ抑制を可能にする。 ベンチマークイベントベースのデータセットに関する大規模な実験により、PACTは一貫して最先端の手法より優れており、IoUでは20.72\%、精度では15.03\%の改善が達成されている。 コードはhttps://github.com/fulongcai/PACT.comで公開されている。

関連論文リスト

• Rethinking Event-Based Object Dtection through Representation-Level Temporal Aggregation and Model-Level Hypergraph Reasoning [65.08890312027314]
  イベントカメラはマイクロ秒レベルの時間分解能、低レイテンシ、高ダイナミックレンジを提供する。 Event Dual Temporal-Relational Aggregation Detector (Ev-DTAD)は、表現レベルの時間エンコーディングとモデルレベルの時間-ハイパーグラフ推論を統合する。 Ev-DTADは、コンパクトな時間的表現と時間的ハイパーグラフの特徴的推論の相補性を検証し、競争精度と効率のトレードオフを実現する。
  論文  参考訳（メタデータ） (2026-05-09T09:20:34Z)
• Event-based Visual Deformation Measurement [76.25283405575108]
  視覚的変形測定は、カメラ観測から表面の動きを追跡することによって、高密度な変形場を復元することを目的としている。 従来の画像ベースの手法は、対応検索空間を制限するため、最小限のフレーム間動作に依存している。 本研究では,時間的に密集した動きキューやフレームのイベントを利用して,空間的に密集した正確な推定を行うイベントフレーム融合フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-16T01:04:48Z)
• Sparse Convolutional Recurrent Learning for Efficient Event-based Neuromorphic Object Detection [4.362139927929203]
  ニューロモルフィックプロセッサ上でのイベントベースの効率的なオブジェクト検出のためのスパースイベントベース効率検出器(SEED)を提案する。 我々はスパース畳み込み再帰学習を導入し、これは再帰処理において92%以上の活性化間隔を達成し、スパースイベントデータに基づく推論のコストを大幅に削減する。
  論文  参考訳（メタデータ） (2025-06-16T12:54:27Z)
• Inference-Time Gaze Refinement for Micro-Expression Recognition: Enhancing Event-Based Eye Tracking with Motion-Aware Post-Processing [2.5465367830324905]
  イベントベースの視線追跡は、きめ細かい認知状態の推測に重要な可能性を秘めている。 本稿では、既存の事象に基づく視線推定モデルの出力を高めるために、モデルに依存しない推論時間改善フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-14T14:48:11Z)
• MATE: Motion-Augmented Temporal Consistency for Event-based Point Tracking [58.719310295870024]
  本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。 事象の間隔に起因する曖昧さを解決するため、運動誘導モジュールは運動ベクトルを局所的なマッチングプロセスに組み込む。 このメソッドは、任意のポイントベースラインのイベントのみのトラッキングに対して、$Survival_50$メトリックを17.9%改善する。
  論文  参考訳（メタデータ） (2024-12-02T09:13:29Z)
• ProgressiveMotionSeg: Mutually Reinforced Framework for Event-Based Motion Segmentation [101.19290845597918]
  本稿では,動作推定 (ME) モジュールとイベントデノイング (ED) モジュールを相互に強化された方法で共同最適化する。 時間的相関をガイダンスとして、EDモジュールは各イベントが実活動イベントに属するという信頼度を算出し、MEモジュールに送信し、ノイズ抑制のための運動セグメンテーションのエネルギー関数を更新する。
  論文  参考訳（メタデータ） (2022-03-22T13:40:26Z)

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。