Answers are grounded in this paper and cite their sources.
Demonstrates improved object detection in traffic scenes, indicating enhanced safety.
이벤트 기반 카메라는 마이크로초 단위의 시간 해상도와 높은 동적 범위를 제공하여 교통 감시 환경에서 기존 RGB 기반 시스템의 한계를 효과적으로 보완할 수 있음. 이벤트 데이터의 비동기적·희소적 특성으로, 공간-시간 정보를 모델링하는 객체 탐지 구조 설계는 여전히 도전임. 본 논문에서는 이벤트 기반 교통 환경에서의 객체 탐지 성능 향상을 위해 RVT를 확장한 RVT-eTraM 구조를 제안하여, (i) 지역-전역 문맥을 명시적으로 분리하여 학습하는 MaxViT 기반 공간 백본, (ii) 시간적 일관성을 효율적으로 집계하는 Plain LSTM, (iii) 다중 스케일 표현을 강화하는 Bi-directional Feature Pyramid Networks (BiFPN), 그리고 (iv) 소형 객체 탐지 성능을 개선하기 위한 Size-aware Loss를 제안함. 제안한 모델은 기존 기준선 대비 전반적인 mAP를 18.4% 향상시켰으며, 소형 객체 탐지에서 최대 84.3%의 개선을 달성함.
No takes yet. Share an insight, caveat, or question.
Ock et al. (2026) studied this question.
Synapse has enriched 10 related papers. Consider them for comparative context: