論文の概要: RIPE-MambaSpike: Resolution-Independent Spiking-State-Space Interfaces for Parameter-Efficient Event-Based Vision
- arxiv url: http://arxiv.org/abs/2609.32537v1
- Date: Sat, 26 Sep 2026 12:17:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-07 06:58:48.716954
- Title: RIPE-MambaSpike: Resolution-Independent Spiking-State-Space Interfaces for Parameter-Efficient Event-Based Vision
- Title（参考訳）: RIPE-MambaSpike:パラメータ効率の良いイベントベースビジョンのための解像度非依存スパイク状態空間インタフェース
- Abstract要約: スパイキング・マンバハイブリッドはイベントベースのビジョンにおいて高い精度に達するが、既存の設計では数千万のパラメータを必要とすることが多い。
200-MambaSpikeを導入し,一分解能に依存したプロジェクションを固定チャネル幅の階層的多分解能ブリッジに置き換える。
配置されたフットプリントは0.870Mパラメータであり、一定時間ステップで一定であり、入力領域の43倍の範囲にわたって幅がある。
- 参考スコア（独自算出の注目度）: 2.3322477552758234
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Spiking-Mamba hybrids reach strong accuracy on event-based vision, but existing designs often require tens of millions of parameters. Much of that cost comes from how the spiking front-end is connected to the state-space backbone rather than from the hybrid architecture itself. In a representative model, a single resolution-dependent projection accounts for 33.55M of 36.25M parameters. To that end, we introduce RIPE-MambaSpike (Resolution-Independent, Parameter-Efficient), which replaces that projection with a hierarchical multi-resolution bridge of fixed channel width. Its deployed footprint is 0.870M parameters, constant at fixed time steps and widths across a 43x range of input areas. Reparameterized spiking stages, temporal decoupled modulation, and a dynamic convex-hull-bounded dual-stream membrane-potential attention preserve accuracy under this compact design. Result-wise, RIPE-MambaSpike is pareto-optimal on CIFAR10-DVS, N-Caltech101, and DailyDVS-200. Notably, on the 200-class DailyDVS-200, a scaled 8.04M configuration achieves 45.7% top-1 accuracy, the best reported spiking result on that benchmark, and outperforms prior spiking methods with 3.0-15.1x fewer parameters than dense ANNs. Overall, our findings demonstrate that competitive event-based recognition does not require resolution-dependent parameter growth. Code is available at https://github.com/MuhiminOsim/RIPE-MambaSpike.
- Abstract（参考訳）: スパイキング・マンバハイブリッドはイベントベースのビジョンにおいて高い精度に達するが、既存の設計では数千万のパラメータを必要とすることが多い。
そのコストの多くは、ハイブリッドアーキテクチャ自体からではなく、スパイクするフロントエンドがステートスペースのバックボーンにどのように接続されているかから来ています。
代表モデルでは、単一の解像度依存射影が36.25Mパラメータの33.55Mを占める。
そこで, RIPE-MambaSpike (Resolution-Independent, Parameter-Efficient) を導入する。
配置されたフットプリントは0.870Mパラメータであり、一定時間ステップで一定であり、入力領域の43倍の範囲にわたって幅がある。
このコンパクトな設計では、再パラメータ化されたスパイクステージ、時間的疎結合変調、動的凸フル境界デュアルストリーム膜電位アテンションが精度を保っている。
結果、RIPE-MambaSpikeはCIFAR10-DVS、N-Caltech101、DailyDVS-200に最適である。
特に、200クラスのDailyDVS-200では、スケールした8.04M構成が45.7%のトップ-1の精度で達成され、このベンチマークで最高のスパイク結果が報告され、より高密度のANNよりも3.0-15.1倍少ないパラメータで以前のスパイク手法よりも優れていた。
総じて, 競合する事象に基づく認識は, 分解能に依存したパラメータ成長を必要としないことが示唆された。
コードはhttps://github.com/MuhiminOsim/RIPE-MambaSpikeで入手できる。
関連論文リスト
- VIMCAN: Visual-Inertial 3D Human Pose Estimation with Hybrid Mamba-Cross-Attention Network [15.727067180984237]
VIMCANは、Mambaの効率的なシーケンスモデリングと、Cross-Attentionの空間的推論を組み合わせたハイブリッドアーキテクチャである。
VIMCANは、TotalCaptureでは17.2mm、3DPWでは45.3mmの平均結合位置誤差(MPJPE)よりも精度が高い。
論文 参考訳（メタデータ） (2026-05-08T10:28:05Z) - SpaCeFormer: Fast Proposal-Free Open-Vocabulary 3D Instance Segmentation [82.87586897359367]
SpaCeFormerはプロポーザルフリーのスペースカーブトランスであり、1シーンあたり0.14秒で動作する。
SpaCeFormerは、以前のシングルビューパイプラインよりも21倍高いマスクリコールを実現している。
ScanNet200では、従来のベストプロポーザルフリーメソッドよりも2.8倍改善された11.1ゼロショットのmAPを実現しています。
論文 参考訳（メタデータ） (2026-04-22T09:57:57Z) - $D^3$-RSMDE: 40$\times$ Faster and High-Fidelity Remote Sensing Monocular Depth Estimation [72.9912717963138]
リモートセンシング画像からのリアルタイムで高忠実な単眼深度推定は、多くのアプリケーションにとって不可欠である。
視覚変換器(ViT)のバックボーンを高密度な予測に使用するのは速いが、知覚品質は低いことが多い。
リモートセンシング単眼深度推定のための深度詳細拡散法(D3$-RSMDE)を提案する。
D3$-RSMDEは、Learninged Perceptual Image Patch similarity (LPIPS)の知覚距離を11.85%削減する。
論文 参考訳（メタデータ） (2026-03-17T10:50:36Z) - VRS-UIE: Value-Driven Reordering Scanning for Underwater Image Enhancement [104.78586859995333]
状態空間モデル(SSM)は、線形複雑性と大域的受容場のために、視覚タスクの有望なバックボーンとして登場した。
大型で均質だが無意味な海洋背景の優位性は、希少で価値ある標的の特徴表現応答を希薄にすることができる。
水中画像強調(UIE)のための新しい値駆動リダクションスキャンフレームワークを提案する。
本フレームワークは, 水バイアスを効果的に抑制し, 構造や色彩の忠実さを保ち, 優れた向上性能(WMambaを平均0.89dB超える)を実現する。
論文 参考訳（メタデータ） (2025-05-02T12:21:44Z) - RadMamba: Efficient Human Activity Recognition through Radar-based Micro-Doppler-Oriented Mamba State-Space Model [4.200994756075655]
本稿では,レーダベースHARに特化して,パラメータ効率の高いマイクロドップラー指向のMamba SSMであるRadMambaを紹介する。
3つの多様なデータセットの中で、RadMambaは前モデルの99.8%の分類精度でトップパフォーマンスのモデルと一致している。
論文 参考訳（メタデータ） (2025-04-16T12:54:11Z) - ParFormer: A Vision Transformer with Parallel Mixer and Sparse Channel Attention Patch Embedding [9.144813021145039]
本稿では、並列ミキサーとスパースチャネル注意パッチ埋め込み(SCAPE)を組み込んだ視覚変換器であるParFormerを紹介する。
ParFormerは、畳み込み機構とアテンション機構を組み合わせることで、特徴抽出を改善する。
エッジデバイスのデプロイメントでは、ParFormer-Tのスループットは278.1イメージ/秒で、EdgeNeXt-Sよりも1.38ドル高い。
より大型のParFormer-Lは83.5%のTop-1精度に達し、精度と効率のバランスの取れたトレードオフを提供する。
論文 参考訳（メタデータ） (2024-03-22T07:32:21Z) - Parameter-efficient Tuning of Large-scale Multimodal Foundation Model [68.24510810095802]
我々はこれらの課題を克服するために、クロスモーダル転送(Aurora)のための優雅なプロンプトフレームワークを提案する。
既存のアーキテクチャの冗長性を考慮すると、まずモード近似を用いて0.1Mのトレーニング可能なパラメータを生成し、マルチモーダルプロンプトチューニングを実装する。
6つのクロスモーダルベンチマークの徹底的な評価は、最先端のベンチマークを上回るだけでなく、完全な微調整アプローチよりも優れていることを示している。
論文 参考訳（メタデータ） (2023-05-15T06:40:56Z) - EdgeNeXt: Efficiently Amalgamated CNN-Transformer Architecture for
Mobile Vision Applications [68.35683849098105]
入力テンソルを複数のチャネルグループに分割するSDTAエンコーダを導入する。
1.3Mパラメータを持つEdgeNeXtモデルでは、ImageNet-1Kで71.2%のTop-1精度を実現している。
パラメータ5.6MのEdgeNeXtモデルでは、ImageNet-1Kで79.4%のTop-1精度を実現しています。
論文 参考訳（メタデータ） (2022-06-21T17:59:56Z) - Highly Efficient Salient Object Detection with 100K Parameters [137.74898755102387]
そこで我々は,段階内および複数ステージのマルチスケール機能を効率的に活用するために,フレキシブルな畳み込みモジュールであるOctoConv(gOctConv)を提案する。
我々は、非常に軽量なモデル、すなわちCSNetを構築し、一般的なオブジェクト検出ベンチマークで、約0.2%(100k)の大規模モデルで同等のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2020-03-12T07:00:46Z)
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。