事件驱动神经形态视觉实现能效视觉地点识别
计算机视觉与模式识别
2026-04-07 v1 人工智能
机器学习
摘要
在动态现实条件下实现可靠的视觉地点识别对自主机器人至关重要，但传统深度网络仍然受到高计算和能量需求的限制。受哺乳动物导航系统的启发，我们提出了SpikeVPR，这是一种受生物启发的神经形态方法，结合事件相机与脉冲神经网络（SNN），从少量示例生成紧凑且不变的地点描述符，在光照、视角和外观的极端变化下实现鲁棒识别。SpikeVPR通过代理梯度学习进行端到端训练，并引入了EventDilation，一种增强对速度和时间变化鲁棒性的新型增强策略。在两个具有挑战性的基准数据集上评估——Brisbane-Event-VPR和NSAVP——SpikeVPR实现了与最先进的深度网络相当的性能，同时使用了少50倍的参数，消耗少30倍和250倍的能量，实现了在移动和神经形态平台上的实时部署。这些结果表明，基于脉冲的编码为在复杂变化环境中实现鲁棒的视觉地点识别提供了一条高效途径。
引用
@article{arxiv.2604.03277,
title = {Event-Driven Neuromorphic Vision Enables Energy-Efficient Visual Place Recognition},
author = {Geoffroy Keime and Nicolas Cuperlier and Benoit R. Cottereau},
journal= {arXiv preprint arXiv:2604.03277},
year = {2026}
}
备注
40 pages single column, v1