English(EN) SDTrack: A Baseline for Event-based Tracking via Spiking Neural Networks

SDTrack管道通过SNNs推进事件驱动跟踪

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-09 04:00

研究人员开发了SDTrack，一种使用脉冲神经网络（SNNs）的事件驱动对象跟踪新管道。该方法集成了基于Transformer的跟踪器和一种称为全局轨迹提示（GTP）的独特事件帧聚合方法。该系统端到端运行，在多个数据集上实现了最先进的准确性，与现有方法相比，参数数量显著减少，能耗更低。 AI

影响为事件驱动跟踪建立了一个新的基线，有可能提高神经形态视觉系统的效率和性能。

排序理由该集群描述了一篇详细介绍使用脉冲神经网络进行事件驱动跟踪的新方法的最新研究论文。[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) · Yimeng Shan, Zhenbang Ren, Haodi Wu, Wenjie Wei, Rui-Jie Zhu, Shuai Wang, Dehao Zhang, Yichen Xiao, Jieyuan Zhang, Kexin Shi, Jingzhinan Wang, Jason K. Eshraghian, Haicheng Qu, Malu Zhang · 2026-06-09 04:00

SDTrack：基于脉冲神经网络的事件驱动跟踪基线

arXiv:2503.08703v4 Announce Type: replace-cross Abstract: Event cameras provide superior temporal resolution, dynamic range, energy efficiency, and pixel bandwidth. Spiking Neural Networks (SNNs) naturally complement event data through discrete spike signals, making them ideal fo…