MVSec: multi-perspective and deductive visual analytics on heterogeneous network security data
PulseAugur coverage of MVSec: multi-perspective and deductive visual analytics on heterogeneous network security data — every cluster mentioning MVSec: multi-perspective and deductive visual analytics on heterogeneous network security data across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新方法可在无标签情况下实现跨模态特征匹配
研究人员开发了一种新颖的两阶段训练范式，用于匹配事件数据和图像数据之间的特征，解决了现有方法需要匹配标签或严格对齐硬件的局限性。第一阶段使用大规模数据进行无标签蒸馏，采用基于分布和对比损失来学习可泛化的表示。第二阶段引入了一个由极线引导的自蒸馏框架，利用一致性验证和几何置信度在目标域上实现无监督的自我演化。该方法在MVSEC和TUM-VIE基准的姿态估计任务上取得了最先进的性能。
-
EventVGGT框架通过跨模态蒸馏增强深度估计
研究人员开发了EventVGGT，一个新颖的用于事件单目深度估计的框架，该框架解决了密集深度标注稀缺的问题。该方法通过将事件流视为连贯的视频序列，利用来自视觉基础模型（VFMs）的跨模态蒸馏，从而捕获时间连续性和先验知识。该框架采用三级蒸馏策略，包括跨模态特征混合、时空特征蒸馏和时间一致性蒸馏，以提高深度预测的准确性和时间一致性。实验表明，EventVGGT的性能显著优于现有方法，在EventScape数据集上将30米处的绝对平均深度…
-
GeoIMO框架利用几何学对事件相机中的独立运动进行分类
研究人员开发了GeoIMO，一个新颖的框架，用于在事件相机数据中对独立运动进行分类，而无需手动标注。这种几何驱动的方法利用事件流中的自身运动结构来区分静态对象和具有独立运动的对象。通过估计全局背景运动并识别偏差，GeoIMO提供了一种无学习方法，在基准数据集的各种驾驶场景中表现出一致的性能。