频率感知事件云网络
计算机视觉与模式识别
2024-12-31 v1
摘要
事件相机是受生物启发的传感器，以卓越的时间分辨率异步发出事件，正受到来自行业和学术界的广泛关注。主流方法倾向于使用帧和体素表示，这些方法在实现满意的性能的同时，引入了耗时的转换、笨重的模型，以及牺牲细粒度时间信息。或者，点云表示在解决上述弱点的方面显示出前景，但忽略了极性信息，其模型在抽象长期事件特征方面能力有限。本文提出一种称为FECNet的频率感知网络，该网络利用事件云表示。FECNet通过创新性地引入基于事件的分组和抽样模块，充分利用2S-1T-1P事件云。为了适应来自事件云的长序列事件，FECNet采用基于傅里叶变换的频域特征提取。这种方法显著消除了乘法累加运算（MACs）的爆炸，同时有效地抽象空间时间特征。我们在事件基础的对象分类、动作识别和人体姿态估计任务上进行了广泛实验，结果证明了FECNet的有效性和效率。
引用
@article{arxiv.2412.20803,
title = {Frequency-aware Event Cloud Network},
author = {Hongwei Ren and Fei Ma and Xiaopeng Lin and Yuetong Fang and Hongxiang Huang and Yulong Huang and Yue Zhou and Haotian Fu and Ziyi Yang and Fei Richard Yu and Bojun Cheng},
journal= {arXiv preprint arXiv:2412.20803},
year = {2024}
}
备注
Under Review