TL;DR
- چکیده:.
- تشخیص مکان بصری قابل اعتماد (VPR) تحت شرایط پویا دنیای واقعی برای روباتهای مستقل بسیار مهم است،.
- با این حال شبکههای عمیق معمولی به دلیل نیازهای محاسباتی و انرژی بالا محدود میشوند.
چه اتفاقی افتاد
چکیده:. تشخیص مکان بصری قابل اعتماد (VPR) تحت شرایط پویا دنیای واقعی برای روباتهای مستقل بسیار مهم است،.
با این حال شبکههای عمیق معمولی به دلیل نیازهای محاسباتی و انرژی بالا محدود میشوند. با الهام از سیستم ناوبری پستانداران،.
ما SpikeVPR را معرفی میکنیم،. یک رویکرد الهامگرفته از زیستشناسی و نورومورفیک که دوربینهای مبتنی بر رویداد را با شبکههای عصبی spiking (SNN).
ترکیب میکند تا توصیفکنندههای مکان فشرده و ثابت را از چند نمونه تولید کند و به تشخیص قوی. تحت تغییرات شدید دید،.
ظاهر و روشنایی دست یابد. SpikeVPR با استفاده از یادگیری گرادیان جایگزین آموزش داده شده است و EventDilation،.
یک استراتژی تقویت جدید که استحکام در سرعت و تغییرات زمانی را افزایش میدهد،. را در خود جای داده است.
SpikeVPR که بر اساس دو معیار چالش برانگیز (Brisbane-Event-VPR و NSAVP) ارزیابی شده است،. عملکردی قابل مقایسه با پیشرفتهترین حالت عمیق را به دست میآورد.
شبکهها در حالی که از پارامترهای 50 برابر کمتر استفاده میکنند و 30 و 250 برابر. انرژی کمتری مصرف میکنند،.
امکان استقرار بلادرنگ روی پلتفرمهای موبایل و نورومورفیک را فراهم میکنند. این نتایج نشان میدهد که کدگذاری مبتنی بر سنبله یک مسیر کارآمد به سوی VPR قوی در محیطهای.
پیچیده و متغیر ارائه میدهد. صفحه تک ستونی، v1 بینایی کامپیوتری و تشخیص الگو (cs.
CV)؛ هوش مصنوعی (cs. AI)؛ یادگیری ماشینی (cs.
LG) استناد بهعنوان: (یا v1 [cs. CV] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite تاریخچه ارسال از:. Geoffroy Keime [مشاهده ایمیل] [v1] سه شنبه،.
24 مارس 2026،. 10:.
26:. 20 UTC (18,.
193 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.