Key points are not available for this paper at this time.
تم اعتبار دمج معلومات RGB والأحداث (RGBE) متعددة المجالات التي تم الحصول عليها بواسطة كاميرات عالية الديناميكية ومتعددة الدقة الزمنية مخ scheme مفيد لتتبع الأجسام بشكل موثوق. ومع ذلك، فقد تجاهلت طرق تتبع RGBE الحالية الميزات المكانية والزمنية الفريدة عبر مجالات مختلفة، مما أدى إلى فشل تتبع الأجسام وعدم الكفاءة، خاصة للأجسام في خلفيات معقدة. لمعالجة هذه المشكلة، نقترح متعقبًا جديدًا قائمًا على شبكات استخراج الميزات الزمنية التكيفية الهجينة، وهي متعقب إطارات الحدث السيامي (SiamEFT)، الذي يركز على التمثيل الفعال واستخدام الميزات المكانية والزمنية المتنوعة لـ RGBE. أولاً، نقوم بتصميم وحدة انتباه زمنية تكيفية لتجميع بيانات الأحداث في إطارات بناءً على أوزان زمنية تكيفية لتعزيز تمثيل المعلومات. بعد ذلك، يتم تصميم وحدة SiamEF ووحدة دمج الشبكات المتقاطعة التي تجمع بين الشبكات العصبية الاصطناعية وشبكات الأعصاب المندفعة لاستخراج ودمج الميزات المكانية والزمنية لـ RGBE بشكل فعال. تظهر تجارب شاملة على مجموعتين بيانات RGBE (VisEvent و COESOT) أن SiamEFT تحقق معدل نجاح قدره 0.456 و 0.574، متفوقة على الطرق المنافسة الأكثر تقدمًا وتعرض تعزيزًا بمقدار 2.3 في الكفاءة. هذه النتائج تؤكد دقة وكفاءة SiamEFT المتفوقتين في مشاهد متنوعة وصعبة.
درس ليو وآخرون (الخميس) هذا السؤال.