論文の概要: PointEvent: Rethinking Event-based Tiny Object Detection via Serialized Motion Evidence Accumulation

• arxiv url: http://arxiv.org/abs/2609.20066v1
• Date: Thu, 17 Sep 2026 11:16:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.241444
• Title: PointEvent: Rethinking Event-based Tiny Object Detection via Serialized Motion Evidence Accumulation
• Title（参考訳）: ポイントイベント:シリアライズされたモーションエビデンス蓄積によるイベントベースのTinyオブジェクト検出の再考
• Abstract要約: 本稿では, 連続した動きの連続性を, 順序づけられた動きの伝播過程として扱う連続的な動きの証拠を紹介する。 この原則に基づいて、軽量なイベントワイドステートスペースフレームワークであるPointEventを提案する。 実験によると、PointEventは最も少ないパラメータと、比較したメソッド間での最速の測定推測を実現している。
• 参考スコア（独自算出の注目度）: 24.73593675580426
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event cameras offer high temporal resolution and motion sensitivity for tiny UAV detection, yet distant targets generate sparse and fragmented events that are easily overwhelmed by clutter and ego-motion. Existing methods mainly rely on dense event representations or local sparse spatiotemporal modeling, resulting in redundant computation or fragmented modeling of motion continuity across distant asynchronous events. To address this limitation, we introduce serialized motion evidence accumulation, which treats motion continuity as an ordered evidence propagation process. Specifically, the same event stream is organized into locality-preserving spatiotemporal paths and chronology-preserving temporal paths through the latent complementary serializations. Based on this principle, we propose PointEvent, a lightweight event-wise state-space framework that alternates serialized scans across the complementary orders, progressively consolidating fragmented motion evidence beyond fixed local neighborhoods. A high-resolution event branch preserves fine-grained target responses, while compact context modulation suppresses interference. Experiments demonstrate that PointEvent achieves SOTA with the fewest parameters and fastest measured inference among the compared methods. Code: https://github.com/wzz-z/PointEvent
• Abstract（参考訳）: イベントカメラは、小さなUAV検出のために高時間分解能とモーション感度を提供するが、遠方のターゲットは、散らばったり、エゴモーションによって簡単に圧倒されるスパースと断片化されたイベントを生成する。 既存の手法は主に高密度なイベント表現や局所スパース時空間モデリングに依存しており、結果として冗長な計算や、離れた非同期イベントをまたいだ動作連続性の断片化されたモデリングが行われる。 この制限に対処するために, 連続的な動作証拠の蓄積を導入し, 連続的な動きの連続性を, 順序づけられた動作証拠の伝播過程として扱う。 具体的には、同じイベントストリームを局所性保存時空間経路と時間保存時空間経路に分類する。 この原理に基づいて, 逐次スキャンを補完的な順序で交互に行い, 局所的に固定された領域を超えて断片化された動作証拠を段階的に統合する, 軽量なイベント・ワイド・ステートスペース・フレームワークであるPointEventを提案する。 高解像度のイベントブランチは微粒なターゲット応答を保持し、コンパクトなコンテキスト変調は干渉を抑制する。 実験により、PointEventは最小のパラメータでSOTAを達成し、比較したメソッド間で最速の測定推測を行うことが示された。 コード:https://github.com/wzz-z/PointEvent

関連論文リスト

• 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)
• 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)
• 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)
• Dynamic Subframe Splitting and Spatio-Temporal Motion Entangled Sparse Attention for RGB-E Tracking [32.86991031493605]
  イベントベースのバイオニックカメラは、高時間分解能と高ダイナミックレンジで動的シーンをキャプチャする。 イベントストリームをよりきめ細かいイベントクラスタに分割する動的イベントサブフレーム分割戦略を提案する。 そこで我々は,事象特徴の時間的・空間的相互作用を高めるために,事象に基づくスパースアテンション機構を設計する。
  論文  参考訳（メタデータ） (2024-09-26T06:12:08Z)
• SpikeMOT: Event-based Multi-Object Tracking with Sparse Motion Features [52.213656737672935]
  SpikeMOTはイベントベースのマルチオブジェクトトラッカーである。 SpikeMOTはスパイクニューラルネットワークを使用して、オブジェクトに関連するイベントストリームからスパーステンポラルな特徴を抽出する。
  論文  参考訳（メタデータ） (2023-09-29T05:13:43Z)
• Dual Memory Aggregation Network for Event-Based Object Detection with Learnable Representation [79.02808071245634]
  イベントベースのカメラはバイオインスパイアされたセンサーで、各ピクセルの明るさ変化を非同期に捉える。 イベントストリームは、正極性と負極性の両方のためにx-y-t座標の格子に分割され、3次元テンソル表現として柱の集合が生成される。 長メモリは適応型convLSTMの隠れ状態に符号化され、短メモリはイベントピラー間の空間的時間的相関を計算することによってモデル化される。
  論文  参考訳（メタデータ） (2023-03-17T12:12:41Z)
• 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。