論文の概要: VGER: Voxel-Guided Global Event Ranking for Event Cloud Attribution
- arxiv url: http://arxiv.org/abs/2608.01470v1
- Date: Sun, 02 Aug 2026 20:07:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.251072
- Title: VGER: Voxel-Guided Global Event Ranking for Event Cloud Attribution
- Title（参考訳）: VGER: イベントクラウド属性のためのVoxel-Guided Global Event Ranking
- Abstract要約: Voxel-Guided Global Event Ranking (VGER)は、ポイントベースのイベントクラウドネットワークのためのトレーニング不要の属性フレームワークである。
VGERは、イベントレベルの勾配証拠とタスク対応の時間的証拠を組み合わせることで、地域貢献をイベントレベルの属性スコアに転送する。
我々は、PointNet、PointNet++、EventMambaの3つのイベントベースのベンチマークでVGERを評価した。
- 参考スコア（独自算出の注目度）: 16.49307024552495
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Event cameras produce sparse and asynchronous event streams that provide rich spatio-temporal information for efficient perception. Recent advances in event-based models have demonstrated strong performance by directly modeling asynchronous events without dense frame reconstruction. However, identifying the event-level evidence behind their predictions is crucial for improving model transparency and reliability. Directly adapting point-level saliency methods from point clouds provides fine-grained attribution but overlooks event-specific spatio-temporal structures. To address this limitation, we propose Voxel-Guided Global Event Ranking (VGER), a training-free attribution framework for point-based event cloud networks. VGER combines event-level gradient evidence with task-aware voxel perturbation evidence, transferring regional contribution into event-level attribution scores while preserving fine-grained resolution. Furthermore, VGER introduces a unified event ranking strategy, where high-ranked events are expected to be prediction-critical and low-ranked events are expected to have limited influence on predictions. We evaluate VGER on three event-based benchmarks with PointNet, PointNet++, and EventMamba. Across nine dataset-backbone settings, VGER consistently improves both high-tail and low-tail deletion performance over point-level saliency baselines.
- Abstract（参考訳）: イベントカメラはスパースと非同期のイベントストリームを生成し、効率的な知覚のために豊富な時空間情報を提供する。
イベントベースモデルの最近の進歩は、フレームの高密度化を伴わない非同期イベントを直接モデル化することによって、強力な性能を示している。
しかし、それらの予測の背後にある事象レベルの証拠を特定することは、モデルの透明性と信頼性を改善するために不可欠である。
点雲からの点レベルの塩分濃度法を直接適用することは、微粒な属性を提供するが、事象固有の時空間構造を見落としている。
この制限に対処するために、ポイントベースのイベントクラウドネットワークのためのトレーニング不要の属性フレームワークであるVoxel-Guided Global Event Ranking (VGER)を提案する。
VGERは、イベントレベルの勾配証拠とタスク対応のボクセル摂動証拠を組み合わせることで、きめ細かい解像度を維持しながら、イベントレベルの属性スコアに地域貢献を移す。
さらに、VGERは、高いランクのイベントが予測クリティカルであると予測され、低いランクのイベントが予測に限られた影響を与えると予測される、統一されたイベントランキング戦略を導入している。
我々は、PointNet、PointNet++、EventMambaの3つのイベントベースのベンチマークでVGERを評価した。
9つのデータセットバックボーン設定で、VGERは、ポイントレベルのサリエンシベースラインよりも、ハイテールとローテールの削除パフォーマンスを一貫して改善する。
関連論文リスト
- EHHN: An Event-driven Heterogeneous Hypergraph Network for Object-Centric Next Activity Prediction [13.747281132468848]
次のアクティビティ予測は、遅延や例外、サービスレベルのリスクが発生する前に、サービス指向プロセスが今後のステップを予測するのに役立つ。
本稿では,オブジェクト中心の次活動予測のためのイベント駆動不均一ハイパーグラフネットワークであるEHHNを提案する。
4つのパブリックOCELベンチマークの実験では、EHHNはすべてのデータセットで最高の精度とマクロF1スコアを達成する。
論文 参考訳（メタデータ） (2026-07-02T06:57:06Z) - 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) - From Frames to Events: Rethinking Evaluation in Human-Centric Video Anomaly Detection [9.404376027901277]
ポースベースのビデオ異常検出(VAD)は、プライバシー保護の性質と環境変動に対する堅牢性において大きな注目を集めている。
従来のフレームレベルの評価では、ビデオは孤立したフレームの集合として扱われ、現実の世界で異常がどのように現れ、行動するかを根本的に誤解している。
本稿では,階層的なガウススムースメントと適応二項化を備えたスコアリファインメントパイプラインと,イベントレベルの検出を直接生成するエンドツーエンドのデュアルブランチモデルという,時間的イベントローカライゼーションのための2つの戦略を紹介する。
論文 参考訳（メタデータ） (2026-04-10T13:52:18Z) - Towards Video Anomaly Detection from Event Streams: A Baseline and Benchmark Datasets [71.53287557600177]
イベントベースの異常検出を統一研究の方向性として確立するための第一歩を踏み出す。
まず、同期イベントとRGB記録を特徴とする、ビデオ異常検出のための複数のイベントストリームベースのベンチマークを構築した。
次に,EVent中心のビデオ異常検出フレームワークであるEWADを提案する。
論文 参考訳（メタデータ） (2026-03-26T03:33:33Z) - E.M.Ground: A Temporal Grounding Vid-LLM with Holistic Event Perception and Matching [87.38371267983263]
時間的ビデオグラウンディングは、クエリイベントに対応する時間セグメントを正確にローカライズすることを目的としている。
E.M.GroundはTVGのための新しいVid-LLMで、総合的で一貫性のあるイベント知覚に焦点を当てている。
E.M.Ground は最先端の Vid-LLM を著しく上回っている。
論文 参考訳（メタデータ） (2026-02-05T02:16:00Z) - Exploiting Spatiotemporal Properties for Efficient Event-Driven Human Pose Estimation [15.899725453972787]
イベントカメラは、高時間分解能と低レイテンシを提供し、困難な条件下で堅牢な推定を可能にする。
既存のほとんどの方法は、イベントストリームをイベントフレームに変換し、イベントシグナルの高時間分解能を犠牲にする。
本研究では,人間のポーズ推定性能を向上させるために設計されたポイントベースフレームワーク上でのイベントストリームを活用することを目的とする。
論文 参考訳（メタデータ） (2025-12-06T05:32:13Z) - EventCrab: Harnessing Frame and Point Synergy for Event-based Action Recognition and Beyond [61.10181853363728]
イベントベースの行動認識(EAR)は、従来の行動認識と比較して、時間的・プライバシー的保護の利点がある。
EventCrabは、密集イベントフレームのための"より軽い"フレーム特化ネットワークと、スパースイベントポイントのための"より重い"ポイント特化ネットワークとを包括的に統合するフレームワークである。
4つのデータセットの実験は、提案したEventCrabの大幅なパフォーマンスを示している。
論文 参考訳（メタデータ） (2024-11-27T13:28:57Z) - Rethinking Efficient and Effective Point-based Networks for Event Camera Classification and Regression: EventMamba [11.400397931501338]
イベントカメラは生物学的システムからインスピレーションを受け、低レイテンシと高ダイナミックレンジを持ち、最小限の電力を消費する。
Event Cloudの処理に対する現在のアプローチは、フレームベースの表現に変換することが多い。
我々はPoint Cloud表現に基づく効率的かつ効果的なフレームワークであるEventMambaを提案する。
論文 参考訳（メタデータ） (2024-05-09T21:47:46Z) - Improving Event Definition Following For Zero-Shot Event Detection [66.27883872707523]
ゼロショットイベント検出に対する既存のアプローチは通常、既知のイベントタイプをアノテートしたデータセット上でモデルをトレーニングする。
イベント定義に従うためのトレーニングモデルによるゼロショットイベント検出の改善を目指しています。
論文 参考訳（メタデータ） (2024-03-05T01:46:50Z) - Implicit Event-RGBD Neural SLAM [54.74363487009845]
神経性SLAMは近年顕著な進歩を遂げている。
既存の手法は、非理想的なシナリオにおいて重大な課題に直面します。
本稿では,最初のイベントRGBD暗黙的ニューラルSLAMフレームワークであるEN-SLAMを提案する。
論文 参考訳（メタデータ） (2023-11-18T08:48:58Z)
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。