論文の概要: REACT: A Fully Spiking State-Space Model for Real-Time Event-Driven Temporal Perception

• arxiv url: http://arxiv.org/abs/2609.19204v1
• Date: Wed, 16 Sep 2026 10:06:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:53.949507
• Title: REACT: A Fully Spiking State-Space Model for Real-Time Event-Driven Temporal Perception
• Title（参考訳）: REACT: リアルタイムイベント駆動型時間知覚のためのフルスパイク状態空間モデル
• Abstract要約: イベントカメラはマイクロ秒の時間分解能と非同期センシングを提供する。 ほとんどの学習ベースの方法は、イベントをフレームや一時的なビンに蓄積する。 事象駆動型時間知覚のための完全スパイク状態空間モデルREACTを提案する。
• 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: Robotic systems operating in dynamic environments require visual perception that evolves continuously with the incoming sensory stream. Event cameras provide microsecond temporal resolution and asynchronous sensing, but most learning-based methods accumulate events into frames or temporal bins, introducing an integration delay that can limit fast reaction. Here we propose REACT, a fully spiking state-space model for event-driven temporal perception that processes raw events one by one, without temporal accumulation. REACT uses a complex-valued spiking neuron, C-SiLIF, whose continuous-time dynamics are driven by the physical inter-event interval, allowing its internal state to evolve at the temporal resolution of individual events. We evaluate REACT on gesture recognition and time-to-collision (TTC) estimation from full-field event streams, without a target bounding box or localization input. On EvTTC, REACT achieves a 9.59% relative TTC error with 4.6 ms end-to-end inference latency, within 0.15 percentage points of the best learned method while requiring no target prior. At the dataset's mean approach speed, this latency corresponds to only 4 cm of vehicle motion, compared with 1 m for the fastest competing learned method. REACT further supports anytime TTC prediction, zero-shot transfer to a different driving sequence, and INT8 quantization, reducing the estimated energy consumption from 18.5 to 2.8 mJ per 32,768 events. These results show that event-driven spiking state-space dynamics can provide low-latency, continuously updated temporal perception for reactive robotic systems.
• Abstract（参考訳）: 動的環境で動作するロボットシステムは、入ってくる感覚の流れとともに連続的に進化する視覚的知覚を必要とする。 イベントカメラは、マイクロ秒の時間分解能と非同期センシングを提供するが、ほとんどの学習ベースの方法は、イベントをフレームまたは時間ビンに蓄積し、迅速な反応を制限する統合遅延を導入する。 本稿では、時間的蓄積を伴わずに生イベントを1回ずつ処理するイベント駆動時間知覚のための、完全スパイク状態空間モデルREACTを提案する。 REACTは複雑な値を持つスパイクニューロンであるC-SiLIFを用いており、その連続時間ダイナミクスは物理的間隔によって駆動され、内部状態は個々の事象の時間分解で進化する。 我々は、ターゲット境界ボックスやローカライゼーション入力を使わずに、全フィールドイベントストリームからのジェスチャー認識とTTC(Time-to-collision)推定に関するREACTを評価する。 EvTTCでは、REACTは9.59%の相対TTC誤差と4.6msのエンドツーエンドの推論遅延を達成している。 データセットの平均アプローチ速度では、このレイテンシは、最も速く競合する学習方法の1mに対して、わずか4cmの車両の動きに対応する。 REACTはさらに、TTC予測、異なる駆動シーケンスへのゼロショット転送、INT8量子化をサポートし、32,768イベントあたりの推定エネルギー消費量を18.5から2.8mJに削減している。 これらの結果は、イベント駆動のスパイク状態空間力学が、反応ロボットシステムに対して低レイテンシで継続的に更新された時間的知覚を提供することを示す。

関連論文リスト

• Event-Based Motion Estimation via Oriented Distance Fields [55.23416502666468]
  イベントベースの動き推定は、高時間分解能と高速動作に対する堅牢性を必要とするタスクの中心である。 本稿では,この最適化を,事前計算された事象距離ベクトルの場上の1つの平均ステップに置き換える,オブジェクト指向距離場運動推定(ODF Motion Estimation)を提案する。 公開および自己収集されたデータセットでは,ODFの動作推定は,比較手法の中で最低レイテンシでサブピクセル精度に達する。
  論文  参考訳（メタデータ） (2026-08-25T08:27:42Z)
• Following the Flow: Advection-Consistent Modeling for Event-based Small Object Detection [2.925778409623925]
  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。
  論文  参考訳（メタデータ） (2026-06-21T07:56:34Z)
• EventShiftFlow: Towards Hardware-efficient FPGA-based Flow Estimation [43.77587889970362]
  イベントベースの視覚センサは、非同期で高時間分解能の測定を提供する。 多くの事象に基づく動き推定法は計算集約的であり、FPGAハードウェアにマップすることは困難である。 本稿では,非同期イベントを固定時間ビンに離散化し,1ビット空間占有格子を構築し,複数の速度仮説を並列に評価するストリーミング速度推定器を提案する。
  論文  参考訳（メタデータ） (2026-05-27T11:13:58Z)
• EventGait: Towards Robust Gait Recognition with Event Streams [50.890621860023]
  イベントカメラは、マイクロ秒時間分解能と高ダイナミックレンジを提供し、自然にロバストなダイナミックキューをキャプチャし、静的ノイズを抑制する。 イベントの利点を保ちながら、動きと形状を別々にモデル化する、エンドツーエンドのデュアルストリームフレームワークである textbfEventGait を提案する。 当社のアプローチでは,イベント駆動歩行分析の堅牢性と可能性を強調し,合成および実世界の歩行ベンチマークに新たな技術状況が設定されている。
  論文  参考訳（メタデータ） (2026-05-21T08:12:04Z)
• TIE: Time Interval Encoding for Video Generation over Events [50.66585165263848]
  ディレクタースタイルのプロンプト、ロボットアクション予測、インタラクティブなビデオエージェントは、同時イベントに対する時間的根拠を要求する。 現代のビデオジェネレータは、ポイントワイドな位置エンコーディングを通して、タイムを離散的なポイントとして表現する。 Time Interval TIEは、プラグイン・アンド・プレイ・インターバル・アウェアの一般化である。
  論文  参考訳（メタデータ） (2026-05-11T13:23:14Z)
• EDmamba: Rethinking Efficient Event Denoising with Spatiotemporal Decoupled SSMs [23.63023704154084]
  イベントカメラはマイクロ秒のレイテンシと広いダイナミックレンジを提供するが、生のストリームは空間的なアーティファクトによってマージされる。 EDmambaは、物理的メカニズムの異なる空間的および時間的ノイズが生じるというキーインサイトを取り入れた、コンパクトなイベントデノベーションフレームワークである。 この分離された設計は、ネットワークを88.9Kパラメータと2.27GPに蒸留し、1つのトランスフォーマー上で68msで100Kイベントのリアルタイムスループットを実現する。
  論文  参考訳（メタデータ） (2025-05-08T16:27:27Z)
• 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)
• EV-Catcher: High-Speed Object Catching Using Low-latency Event-based Neural Networks [107.62975594230687]
  イベントカメラが優れており、高速移動物体の衝突位置を正確に推定するアプリケーションを実証する。 イベントデータを低レイテンシでエンコードするために,Binary Event History Image(BEHI)と呼ばれる軽量なイベント表現を導入する。 計算制約のある組込みプラットフォーム上でも最大13m/sの速さで, 異なる場所をターゲットとした球のキャッチにおいて, 81%の成功率を達成することができることを示す。
  論文  参考訳（メタデータ） (2023-04-14T15:23:28Z)
• Ultra-low Latency Spiking Neural Networks with Spatio-Temporal Compression and Synaptic Convolutional Block [4.081968050250324]
  スパイキングニューラルネットワーク(SNN)は、神経時間情報能力、低処理機能、高い生物学的妥当性を有する。 Neuro-MNIST、CIFAR10-S、DVS128ジェスチャデータセットは、個々のイベントをフレームに集約し、イベントストリーム分類の時間分解能を高める必要がある。 本研究では,NIST電流の時間ステップに個々のイベントを集約し,トレーニングや推論の遅延を低減する処理時間圧縮手法を提案する。
  論文  参考訳（メタデータ） (2022-03-18T15:14:13Z)
• Asynchronous Optimisation for Event-based Visual Odometry [53.59879499700895]
  イベントカメラは、低レイテンシと高ダイナミックレンジのために、ロボット知覚の新しい可能性を開く。 イベントベースビジュアル・オドメトリー(VO)に焦点をあてる 動作最適化のバックエンドとして非同期構造を提案する。
  論文  参考訳（メタデータ） (2022-03-02T11:28:47Z)

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。