SNNF：基于 SNN 的动态视觉传感器近传感器噪声滤波器
神经与进化计算
2026-05-05 v1
摘要
动态视觉传感器（DVS）具有卓越的动态范围和低功耗，使其成为物联网视频物（IoVT）中边缘应用的理想选择。然而，其输出常因不寻常的背景活动（BA）噪声而受到破坏，导致不必要的计算开销。本文提出 SNNF，一种集成紧凑事件基二进制图像（EBBI）表示、并行内存架构和单层脉冲神经网络（SNN）分类器的近传感器 BA 噪声滤波器。训练于代表性 DVS 数据后，SNN 在标准数据集上实现 0.89 的 AUC。二进制数组基的 EBBI 消除了时间戳依赖，显著降低内存占用。此外，SNN 的脉冲计算将高功耗乘法器替换为简单累加逻辑，并最小化神经元间数据宽度，从而实现极其高效的硬件设计。FPGA 实现结果显示，SNNF 将内存和逻辑资源分别降低至状态最先进滤波器的约 11% 和 40%，同时实现 29 百万事件/秒（Meps）的吞吐量。在 65 nm CMOS ASIC 实现中，SNNF 达到 44.4 Meps，仅占相应 ANN 设计的约 13% 和 <5% 的面积和功耗。这些结果表明，SNNF 在滤波准确率和硬件效率之间提供了优秀的平衡，非常适合资源受限的近传感器部署。
引用
@article{arxiv.2605.01937,
title = {SNNF: An SNN-based Near-Sensor Noise Filter for Dynamic Vision Sensors},
author = {Yahan Yang and Pradeep Kumar Gopalakrishnan and Chang Chip Hong and Arindam Basu},
journal= {arXiv preprint arXiv:2605.01937},
year = {2026}
}
备注
12 pages + 8 pages supplementary material