PLEIADES：利用正交多项式构建时间核

我们引入了一类名为PLEIADES（自适应分布式事件系统中的多项式展开）的神经网络，其中包含由正交多项式基函数生成的时间卷积核。我们专注于将这些网络与事件数据相连接，以执行低延迟的在线时空分类与检测。由于使用了结构化的时间核和事件数据，我们可以自由改变数据的采样率以及网络的离散化步长，而无需额外的微调。我们在三个事件基准上进行了实验，并以显著更小的内存和计算成本在所有三个基准上以巨大优势获得了SOTA结果。我们取得了：1) 在DVS128手势识别数据集上使用192K参数达到99.59%的准确率，加上一个小的额外输出滤波器后达到100%；2) 在AIS 2024眼动追踪挑战赛上使用277K参数达到99.58%的测试准确率；3) 在PROPHESEE 100万像素汽车检测数据集上使用576k参数达到0.556 mAP。