I2E：面向高性能脉冲神经网络的实时图像到事件转换
计算机视觉与模式识别
2025-11-12 v1
摘要
脉冲神经网络（SNN）承诺着极高的能源效率，但因事件流数据匮乏而难以普及。本工作引入 I2E 框架，通过将静态图像转换为高保真事件流，解决了这一瓶颈。通过模拟微小眼动并采用高度并行化卷积，I2E 实现的转换速度是先前方法的 300 倍以上，独特地使其能够在 SNN 训练中实现 on-the-fly 数据增强。框架的有效性在大规模基准测试中得到验证。在生成的 I2E-ImageNet 数据集上训练的 SNN 实现了最先进的 60.50% 准确率。关键在于，本工作建立了一个强大的 sim-to-real 范式：在合成 I2E 数据上预训练后微调至真实世界的 CIFAR10-DVS 数据集，可实现 unprecedented 的 92.5% 准确率。这一结果验证了合成事件数据可作为真实传感器数据的高保真代理，弥合了神经器工程中的长期鸿沟。通过提供解决数据问题的可扩展方案，I2E 为开发高性能神经系统提供了基础工具。该开源算法和所有生成的数据集均提供，以加速该领域的研究。
引用
@article{arxiv.2511.08065,
title = {I2E: Real-Time Image-to-Event Conversion for High-Performance Spiking Neural Networks},
author = {Ruichen Ma and Liwei Meng and Guanchao Qiao and Ning Ning and Yang Liu and Shaogang Hu},
journal= {arXiv preprint arXiv:2511.08065},
year = {2025}
}
备注
AAAI-26 Oral