Efficient Multi-Timescale Event Representations for Feed-Forward Object Detection
本研究提出一种基于对数 B 样条时间编码与几何感知局部置信机制的连续多时间尺度置信归一化表示，用于解决自主系统在动态场景和恶劣光照下的高效低延迟感知问题。该工作利用固定前馈 EventCenterNet 检测器，在 PEDRo 和 Gen1 数据集上证明其表现优于紧凑 CSTR 表示，并引入递归指数多项式近似以支持高效逐事件更新。实验表明，精心设计的事件表示能捕捉通过循环时间建模学习到的大部分时序信息，为高效前馈、事件驱动及未来神经形态物体检测提供了基础。