論文の概要: Neuromorphic Object Detection: An In-Depth Study and Future Directions
- arxiv url: http://arxiv.org/abs/2607.23576v1
- Date: Sun, 26 Jul 2026 09:59:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.162244
- Title: Neuromorphic Object Detection: An In-Depth Study and Future Directions
- Title（参考訳）: ニューロモルフィック物体検出 : 深部研究と今後の展望
- Abstract要約: ニューロモルフィックカメラは、高時間分解能と広いダイナミックレンジの視覚ストリームを提供する。
まだ、進捗を評価するための深い理解と標準化されたベンチマークが欠如しています。
問題記述を提示し、利用可能なデータセットをレビューし、評価指標を再検討する。
- 参考スコア（独自算出の注目度）: 77.83720376086475
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Conventional frame-based cameras face significant challenges in detecting objects under high-speed motion blur or in low-light environments. Neuromorphic cameras provide asynchronous visual streams with high temporal resolution and a wide dynamic range, offering a promising solution for object detection under challenging conditions. Despite the development of numerous models and the emergence of various applications in neuromorphic object detection, there is still a lack of deep understanding and standardized benchmarks to assess progress and address key challenges. In this paper, we provide a comprehensive survey and benchmark of existing neuromorphic object detection algorithms. Specifically, we first present a problem description, review the available datasets, and revisit the evaluation metrics. We then explore existing neuromorphic object detection approaches from various perspectives, including event representation, temporal modeling, multimodal fusion, asynchronous processing, low-latency processing, and energy-efficient computing. Furthermore, we evaluate a wide range of representative neuromorphic object detection models and offer detailed analyses of the comparative results. Finally, we discuss unresolved issues in neuromorphic object detection and propose potential future research directions. We hope this survey and benchmark will be a valuable resource for researchers and provide guidance for future advancements in neuromorphic object detection.
- Abstract（参考訳）: 従来のフレームベースのカメラは、高速な動きのぼやけや低照度環境下での物体の検出において重要な課題に直面している。
ニューロモルフィックカメラは、高時間分解能と広いダイナミックレンジを備えた非同期ビジュアルストリームを提供し、挑戦的な条件下でのオブジェクト検出に有望なソリューションを提供する。
多くのモデルの開発や、ニューロモルフィックな物体検出における様々な応用の出現にもかかわらず、進歩を評価し、重要な課題に対処するための、深い理解と標準化されたベンチマークの欠如がある。
本稿では,既存のニューロモルフィック物体検出アルゴリズムの総合的な調査とベンチマークを行う。
具体的には、まず問題記述を示し、利用可能なデータセットをレビューし、評価指標を再検討する。
次に、イベント表現、時間的モデリング、マルチモーダル融合、非同期処理、低レイテンシ処理、エネルギー効率計算など、様々な観点から既存のニューロモルフィックオブジェクト検出手法を検討する。
さらに, 広範囲にわたる神経形物体検出モデルの評価を行い, 比較結果の詳細な解析を行った。
最後に,ニューロモルフィック物体検出における未解決問題について議論し,今後の研究方向性を提案する。
この調査とベンチマークは、研究者にとって貴重なリソースであり、ニューロモルフィックな物体検出の今後の進歩のためのガイダンスを提供することを期待している。
関連論文リスト
- A Study of Failure Modes in Two-Stage Human-Object Interaction Detection [49.37675694881915]
本稿では,2段階HOIモデルの故障モードをよりよく理解するための研究を行う。
HOI検出を複数の解釈可能な視点に分解して、さまざまなタイプの障害パターンを研究する。
論文 参考訳（メタデータ） (2026-04-15T04:01:23Z) - CAMotion: A High-Quality Benchmark for Camouflaged Moving Object Detection in the Wild [83.45543969516149]
本稿では,野生の移動物体検出のための高品質なベンチマークであるCAMotionを構築した。
このベンチマークは、異なる挑戦シナリオにおいて、カモフラージュされた物体の運動特性を詳細に分析する。
また、既存のSOTAモデルをCAMotion上で総合的に評価し、VCODタスクにおける大きな課題について論じる。
論文 参考訳（メタデータ） (2026-04-09T14:23:46Z) - Explaining What Machines See: XAI Strategies in Deep Object Detection Models [0.0]
説明可能な人工知能(XAI)は、モデル決定をより透明化し、解釈可能で、人間にふさわしいものにすることを目的としている。
本稿では,オブジェクト検出モデルに特化して適用される最新技術説明可能性手法を包括的に分析する。
論文 参考訳（メタデータ） (2025-09-02T06:16:30Z) - FocusDiffuser: Perceiving Local Disparities for Camouflaged Object Detection [16.41770092932024]
本研究では,カモフラージュされた物体の検出と解釈を,生成モデルがいかに向上させるかを検討するために,新しい拡散モデルであるFocusDiffuserを提案する。
提案実験により,FocusDiffuserは生成的視点から,カモフラージュされた物体検出の課題に効果的に対処できることを示した。
論文 参考訳（メタデータ） (2024-07-18T03:45:12Z) - Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。
また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
論文 参考訳（メタデータ） (2024-05-13T14:44:22Z) - Neuromorphic Face Analysis: a Survey [26.357357272526322]
イベントカメラ(英: event camera)またはニューロモルフィックセンサー(英: Neuromorphic sensor)は、生物学的視覚系の機能を模倣する撮像装置の一種である。
これらの特性は、有効性とプライバシー保護の観点から、人間の顔のモデリングにおいて興味深いことが証明されている。
本稿では,ニューロモルフィック顔分析分野における機能,課題,新たな応用について概説する。
論文 参考訳（メタデータ） (2024-02-18T16:17:25Z) - Innovative Horizons in Aerial Imagery: LSKNet Meets DiffusionDet for
Advanced Object Detection [55.2480439325792]
本稿では,LSKNetのバックボーンをDiffusionDetヘッドに統合したオブジェクト検出モデルの詳細な評価を行う。
提案手法は平均精度(MAP)を約45.7%向上させる。
この進歩は、提案された修正の有効性を強調し、航空画像解析の新しいベンチマークを設定する。
論文 参考訳（メタデータ） (2023-11-21T19:49:13Z) - A Comprehensive Study on Object Detection Techniques in Unconstrained
Environments [0.0]
オブジェクト検出は、画像やビデオ内のオブジェクトを識別し、ローカライズすることを目的とした、コンピュータビジョンにおける重要なタスクである。
近年のディープラーニングと畳み込みニューラルネットワーク(CNN)の進歩により、オブジェクト検出技術の性能が大幅に向上した。
本稿では,制約のない環境下でのオブジェクト検出技術について,様々な課題,データセット,最先端のアプローチを含む包括的研究を行う。
論文 参考訳（メタデータ） (2023-04-11T15:45:03Z) - Oriented object detection in optical remote sensing images using deep learning: a survey [13.05317817164702]
オブジェクト指向物体検出は、リモートセンシングの基本的かつ困難な課題である。
近年のディープラーニングの進歩により、オブジェクト指向物体検出法の能力は大幅に向上した。
論文 参考訳（メタデータ） (2023-02-21T06:31:53Z) - Unsupervised Domain Adaption of Object Detectors: A Survey [87.08473838767235]
近年のディープラーニングの進歩は、様々なコンピュータビジョンアプリケーションのための正確で効率的なモデルの開発につながっている。
高度に正確なモデルを学ぶには、大量の注釈付きイメージを持つデータセットの可用性に依存する。
このため、ラベルスカースデータセットに視覚的に異なる画像がある場合、モデルの性能は大幅に低下する。
論文 参考訳（メタデータ） (2021-05-27T23:34:06Z)
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。