HoloEv-Net：基于全息空间嵌入和全局谱门控的高效事件驱动动作识别
计算机视觉与模式识别
2026-02-05 v1 人工智能
摘要
事件驱动动作识别（EAR）因其高时序分辨率和高动态范围而受到广泛关注。然而，现有方法通常面临（i）稠密体素表示的计算冗余、（ii）多分支架构中固有的结构冗余，以及（iii）在捕捉全局运动模式时对谱信息的 underutilization。为解决这些挑战，我们提出了名为 HoloEv-Net 的高效 EAR 框架。首先，为同时解决表示和结构冗余问题，我们引入了紧凑型全息时空表示（CHSR）。 departing from 计算密集型体素网格，CHSR 隐式地将水平空间线索嵌入时间-高度（T-H）视图中，有效地在二维表示中保留了三维时空上下文。其次，为利用被忽视的谱线索，我们设计了全局谱门控（GSG）模块。通过利用快速傅里叶变换（FFT）在频域进行全局 token 混合，GSG 在几乎没有参数开销的同时增强了表示能力。大量实验表明，我们的框架具有良好的可扩展性和效果。具体而言，HoloEv-Net-Base 在 THU-EACT-50-CHL、HARDVS 和 DailyDVS-200 上实现了最先进的性能，分别 outperforming 现有方法10.29%、1.71% 和 6.25%。此外，我们轻量级变体 HoloEv-Net-Small 在保持高度竞争的精度的同时，实现了极致的效率，参数减少5.4倍，FLOPs减少300倍，延迟减少2.4倍，展示了其在边缘部署中的潜力。
引用
@article{arxiv.2602.04182,
title = {HoloEv-Net: Efficient Event-based Action Recognition via Holographic Spatial Embedding and Global Spectral Gating},
author = {Weidong Hao},
journal= {arXiv preprint arXiv:2602.04182},
year = {2026}
}