面向计算机视觉中异常检测的神经形态数据集建模与仿真
计算机视觉与模式识别
2026-03-02 v1 人工智能
机器学习
摘要
动态视觉传感器（DVS）可用性有限，构成了神经形态计算机视觉应用研究者面临的根本挑战。为此，研究社区已创建数据集，但往往包含有限的样本数或情景。为解决数据可获得性不足的问题，本文引入了 Anomalous Neuromorphic Tool for Shapes（ANTShapes），一个新型神经形态视觉数据集仿真框架。基于 Unity 引擎构建，ANTShapes 模拟抽象、可配置的 3D 场景，由显示随机生成行为（描述运动和旋转等属性）的对象填充。对象的行为抽样和异常行为对象的标记均遵循中心极限定理原理的统计过程。可通过调整软件中有限参数创建并导出任意数量的样本数据集，包括伴随的标签和帧数据。ANTShapes 通过允许研究者仿真以满足特定需求（包括对象识别和定位以及异常检测）的定制数据集，解决了事件基于计算机视觉数据可获得性的局限性。
引用
@article{arxiv.2602.23514,
title = {Modelling and Simulation of Neuromorphic Datasets for Anomaly Detection in Computer Vision},
author = {Mike Middleton and Teymoor Ali and Hakan Kayan and Basabdatta Sen Bhattacharya and Charith Perera and Oliver Rhodes and Elena Gheorghiu and Mark Vousden and Martin A. Trefzer},
journal= {arXiv preprint arXiv:2602.23514},
year = {2026}
}
备注
draft paper