.png){kind=icon}
返回
High-efficiency sparse convolution operator for event-based cameras
.png){kind=icon}
OA
AI
DOI：10.3389/fnbot.2025.1537673.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
事件相机是仿生视觉传感器，它们模拟动物视网膜的稀疏和非同步激活，在各种机器人应用中具有低延迟和低计算负载等优势。然而，尽管事件相机具有固有的稀疏性，大多数现有的视觉处理算法都是针对传统标准相机及其捕获的密集图像进行优化的，因此当应用于事件相机时会导致计算冗余和高延迟。为解决这一差距，我们提出了一种专为事件相机设计的稀疏卷积算子。通过选择性跳过无效的子卷积并高效重组有效计算，我们的算子将计算工作量减少了近90%，并将处理速度提升了近2倍，同时保持了与密集卷积算子相同的精度。这一创新解锁了事件相机在自主导航、实时目标跟踪和工业检测等应用中的潜力，使资源受限的机器人系统能够实现低延迟和高效率的感知。
Keyword:
event-based camera
sparse convolution
convolution operator
high-efficiency
low-latency
期刊
IF:
2.8
论文数:
178
被引数:
4.1K
机构
引用论文
Event-Based Target Tracking Control for a Snake Robot Using a Dynamic Vision Sensor基于动态视觉传感器的蛇形机器人事件触发目标跟踪控制
.png){kind=icon}
PREAI
分享收藏分享收藏Converting Static Image Datasets to Spiking Neuromorphic Datasets Using Saccades使用扫视将静态图像数据集转换为尖峰神经形态数据集
OAAI
OAAI分享收藏
查看更多内容