智能AI
morning
MADSNet：用于尖峰相机图像重建的多尺度轴向注意密集尖峰网络
摘要
arXiv:2611.12980v1 Announce Type: new Abstract: Spike cameras encode dynamic scenes into high-temporal-resolution binary spike streams for efficient high-speed vision. Although spiking neural networks...
spike
and
reconstruction
spiking
MADSNet
scale
high
for
can
with
2026-11-11
1 阅读
约1分钟阅读
Sirui Li, Rui Zhao, Siqi Cai, Haizhou Li, Tiejun Huang, Yajing Zheng
字号:
arXiv:2611.12980v1 公告类型：新 摘要：Spike 相机将动态场景编码为高时间分辨率的二进制 Spike 流，以实现高效的高速视觉。尽管尖峰神经网络 (SNN) 可以通过稀疏和仅累加计算来处理此类信号，但现有的基于 SNN 的重建方法通常很浅，并且在重建保真度方面仍然落后于基于 ANN 的模型。本文提出了 MADSNet，一种用于尖峰相机图像重建的多尺度轴向注意密集尖峰网络。 MADSNet 采用分层尖峰编码器-解码器，其中多尺度尖峰干提取早期特征，轴向尖峰注意力捕获长程依赖性，密集尖峰瓶颈增强特征重用，尖峰到连续解码器从尖峰域表示重建连续强度图像。灰度和颜色尖峰重建实验表明，MADSNet 在 SREDS 上的 PSNR 优于 SSIR 4.3 dB，Spk2ImgNet 优于 1.94 dB。与 Spk2ImgNet 相比，它的延迟降低了约 15 倍，并且仅使用了估计能量的约 1/40，这表明精心设计的 SNN 架构可以在保持计算效率的同时提高重建质量。
这篇文章对您有帮助吗？
订阅66必读
每日精选科技资讯，直达你的邮箱