PPLNs：用于事件-based 时间建模的可参数化分段线性网络
计算机视觉与模式识别
2024-10-01 v1
摘要
我们提出了可参数化分段线性网络（PPLNs）用于时序视觉推理。受生物神经行为调节原理的启发，PPLNs 适合处理由事件相机捕获的数据，这些相机旨在模拟人类视网膜中的神经活动。我们讨论了如何通过具有可学习系数的参数分段线性函数表示人工神经元的膜电位。该设计呼应了最近流行的 Kolmogorov-Arnold 网络（KANs）构建深度模型的可学习参数函数的思想。实验表明，PPLNs 在事件-based 和图像-based 视觉应用中实现了最佳性能，包括驾驶员预测、人体姿态估计和运动去模糊。我们的实现源代码可在 https://github.com/chensong1995/PPLN 上获取。
关键词
引用
@article{arxiv.2409.19772,
title = {PPLNs: Parametric Piecewise Linear Networks for Event-Based Temporal Modeling and Beyond},
author = {Chen Song and Zhenxiao Liang and Bo Sun and Qixing Huang},
journal= {arXiv preprint arXiv:2409.19772},
year = {2024}
}
备注
Accepted by NeurIPS 2024