English(EN) EHGCN: Hierarchical Euclidean-Hyperbolic Fusion via Motion-Aware GCN for Hybrid Event Stream Perception

新的EHGCN方法融合欧几里得和双曲几何以实现事件感知

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-31 04:00

研究人员开发了EHGCN，一种用于事件流感知的新方法，它集成了欧几里得和双曲几何。该方法旨在改进事件数据中长距离依赖和分层结构的捕获，而传统图神经网络在这方面存在困难。EHGCN利用运动感知的超边生成方案，并融合来自欧几里得和双曲空间的信息，以增强对象检测和识别等任务。 AI

影响这项研究可能为自动驾驶和机器人等应用带来更强大、更准确的事件感知系统。

排序理由该集群包含一篇详细介绍事件流感知新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Haosheng Chen, Lian Luo, Mengjingcheng Mo, Zhanjie Wu, Ji Gan, Jiaxu Leng, Xinbo Gao · 2026-07-31 04:00

EHGCN：通过运动感知GCN进行分层欧几里得-双曲融合以实现混合事件流感知

arXiv:2504.16616v4 Announce Type: replace Abstract: Event cameras, characterized by microsecond temporal resolution and very High Dynamic Range (HDR), emit high-speed event streams for perception tasks. In recent advancements, Graph Neural Networks (GNNs)-based methods show great…