基于运动感知的层次欧几里得-超球体融合GCN用于混合事件流感知
计算机视觉与模式识别
2025-08-25 v3
摘要
事件相机具有微秒级时间分辨率和高动态范围(HDR)特征，发出高速事件流用于感知任务。尽管近期的基于图神经网络(GNN)的感知方法取得了进展，但它们倾向于在纯欧几里得空间中采用直接的两两连接机制，难以捕获长程依赖，无法有效表征非均匀分布的事件流所固有的层次结构。为此，本文提出一种新方法，称为EHGCN(层次欧几里得-超球体融合GCN)，这是首种在欧几里得和超球体空间中感知事件流的方法。在EHGCN中，我们引入自适应抽样策略以动态调节抽样率，在保留判别性事件的同时削弱混乱噪声。随后，我们提出一种基于运动状态转移概率的马尔可夫向量场(MVF)驱动的超边生成方法，从而消除跨目标的虚假关联，并在捕获事件之间长程依赖的同时提供关键拓扑先验。最后，我们提出一种欧几里得-超球体GCN，用于融合在欧几里得和超球体空间中分别进行的局部聚合和全局层次建模的信息，以实现混合事件感知。在对象检测和识别等事件感知任务上的实验结果表明，我们的方法有效。
引用
@article{arxiv.2504.16616,
title = {EHGCN: Hierarchical Euclidean-Hyperbolic Fusion via Motion-Aware GCN for Hybrid Event Stream Perception},
author = {Haosheng Chen and Lian Luo and Mengjingcheng Mo and Zhanjie Wu and Guobao Xiao and Ji Gan and Jiaxu Leng and Xinbo Gao},
journal= {arXiv preprint arXiv:2504.16616},
year = {2025}
}