Un modelo de atención eficiente y de baja latencia para la desinformación de eventos.

Área de la Ciencia:

• Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador Visión por ordenador
• Robótica y Robótica Robótica y Robótica Robótica Robótica Robótica Robótica Robótica Robótica
• Ingeniería Biomimética Ingeniería Biomimética

Sus antecedentes:

• Las cámaras basadas en eventos ofrecen datos de baja latencia y alta resolución temporal.
• El ruido de actividad de fondo (BA) corrompe los datos del evento, lo que dificulta el rendimiento.
• Los métodos de denociado existentes luchan con la dinámica temporal y la eficiencia.

Objetivo del estudio:

• Introducir StatFormer, un método eficiente de denuncia de eventos.
• Mejorar el modelado de características temporales para la visión basada en eventos.
• Reduzca el ruido en los datos de la cámara de eventos para tareas posteriores mejoradas.

Principales métodos:

• Información estadística incorporada en la incorporación de eventos para el modelado temporal directo.
• Empleó una arquitectura de transformador de dos etapas con atención local.
• Centrado en capturar las dependencias espacio-temporales de grano fino y fortalecer la atención sobre las secuencias.

Principales resultados:

• StatFormer logró una aceleración de 13.41x en la inferencia.
• Demostró un tiempo de procesamiento promedio de 1.38 μs por evento.
• Ofreció un rendimiento de denuncia de estado de la técnica en conjuntos de datos públicos.

Conclusiones:

• StatFormer mejora significativamente el modelado de características temporales para la denuncia de eventos.
• El método logra un rendimiento superior con un tamaño de modelo reducido y un tiempo de inferencia reducido.
• StatFormer ofrece una solución computacionalmente eficiente y efectiva para los datos ruidosos de la cámara de eventos.