基于PID-CNN的三维运动感知
计算机视觉与模式识别
2025-12-02 v2 人工智能
摘要
本文训练了一个网络，用于感知三维视觉目标的三维运动信息，能够提供实时的三维坐标、速度和加速度，并具备基本的时空感知能力。从PID视角理解神经网络拟合非线性问题的能力。将单层神经网络视为使用二阶差分方程和非线性来描述局部问题。多层网络通过多次这种组合逐步将原始表示转化为所需表示。分析了一些用于设计神经网络的参考原则。设计了一个相对较小的PID卷积神经网络，总共有17层和41.3万参数。通过拼接和池化实现了简单但实用的特征复用方法。该网络使用模拟随机运动的球体数据集进行训练和测试，实验结果表明，预测准确率接近输入图像分辨率能表示的上限。分析了实验结果和误差，以及现存的不足和可能的改进方向。最后讨论了高维卷积在提高计算效率和特征空间利用率方面的优势，以及使用PID信息实现记忆和注意力机制的潜在优势。
引用
@article{arxiv.2511.20332,
title = {3D Motion Perception of Binocular Vision Target with PID-CNN},
author = {Jiazhao Shi and Pan Pan and Haotian Shi},
journal= {arXiv preprint arXiv:2511.20332},
year = {2025}
}
备注
7 pages, 9 figures, 2 tables. The codes of this article have been released at: https://github.com/ShiJZ123/PID-CNN