imau.edu.cn

이 이메일 도메인이 관측된 논문 1건

arXiv:2605.08825v5cs.CV

표현 수준의 시간적 집합 및 모델 수준의 하이퍼그래프 추론을 통한 이벤트 기반 객체 검출의 재고

Rethinking Event-Based Object Detection through Representation-Level Temporal Aggregation and Model-Level Hypergraph Reasoning

이벤트 카메라는 마이크로초(microsecond) 수준의 시간 해상도, 낮은 지연 시간, 높은 동적 범위를 제공하여 빠른 움직임과 까다로운 조명 조건에서의 인식 잠재력을 제공합니다. 그러나 기존의 이벤트 기반 객체 검출(EOD) 방법들은 표현 및 모델 수준 모두에서 한계에 직면해 있습니다. 기존 이벤트 표현은 대개 중복된 구조를 통해 시간 정보를 간접적으로 인코딩하는 반면, 검출 모델은 파편화된 이벤트 반응을 일관된 고차 객체 특징으로 명시적으로 집합(aggregate)하는 데 어려움을 겪습니다. 이러한 한계를 해결하기 위해, 본 논문에서는 표현 수준의 시간적 인코딩과 모델 수준의 시간적-하이퍼그래프 추론을 통합하는 통합 EOD 프레임워크인 Event Dual Temporal-Relational Aggregation Detector(Ev-DTAD)를 제시합니다. 구체적으로, 윈도우 내(intra-window) 및 윈도우 간(inter-window) 이벤트 전반에 걸쳐 시간 정보를 명시적으로 임베딩하는 컴팩트한 3채널 유사 RGB 표현인 Hierarchical Temporal Aggregation(HTA)을 소개합니다. 희소하고 파편화된 이벤트 반응 하에서의 검출을 더욱 향상시키기 위해, 시간적 진화 모델링과 고차 관계 추론을 통해 다중 스케일 이벤트 특징을 정제하는 Frequency-aware Hypergraph Temporal Fusion(FHTF)을 제안합니다. Gen1(+0.8 mAP), 1Mpx/Gen4(+0.5 mAP), eTraM(+3.0 mAP)에 대한 광범위한 실험은 Ev-DTAD가 경쟁력 있는 정확도-효율성 간 절충(trade-off)을 달성함을 입증하며, 컴팩트한 시간적 표현과 시간적-하이퍼그래프 특징 추론 간의 상호보완성을 검증합니다(Fig. \ref{fig:bubble}). 코드는 https://github.com/meisenwang/Ev-DTAD 에서 제공됩니다.