arXiv cs.AI· Sirui Li, Rui Zhao, Siqi Cai, Haizhou Li, Tiejun Huang, Yajing Zheng·· 10 小时前AI 评分29
MADSNet：用于脉冲相机图像重建的多尺度轴向注意力稠密脉冲网络
MADSNet: A Multi-Scale Axial-Attentive Dense Spiking Network for Spike Camera Image Reconstruction
AI 导读
MADSNet 是一种用于脉冲相机图像重建的多尺度轴向注意力稠密脉冲网络，采用分层脉冲编码器—解码器结构，通过多尺度脉冲 stem、轴向脉冲注意力、稠密脉冲瓶颈和脉冲到连续解码器完成重建。在 SREDS 上，其灰度与彩色脉冲重建的 PSNR 比 SSIR 高 4.3 dB、比 Spk2ImgNet 高 1.94 dB。相比 Spk2ImgNet，延迟约低 15 倍，估计能耗仅约 1/40。
正文 · AI 翻译
摘要：脉冲相机将动态场景编码为高时间分辨率的二值脉冲流，以实现高效的高速视觉。尽管脉冲神经网络（SNN）能够以稀疏且仅累加的计算方式处理此类信号，但现有的基于 SNN 的重建方法通常较浅，在重建保真度上仍落后于基于 ANN 的模型。本文提出 MADSNet，一种用于脉冲相机图像重建的多尺度轴向注意力密集脉冲网络。MADSNet 采用分层脉冲编码器—解码器结构，其中多尺度脉冲主干提取早期特征，轴向脉冲注意力捕获长程依赖，密集脉冲瓶颈增强特征复用，脉冲到连续解码器从脉冲域表示重建连续强度图像。在灰度与彩色脉冲重建上的实验表明，MADSNet 在 SREDS 上比 SSIR 高出 4.3 dB PSNR，比 Spk2ImgNet 高出 1.94 dB。与 Spk2ImgNet 相比，其延迟约低 15$\times$，估计能耗仅约为其 1/40，表明精心设计的 SNN 架构能够在保持计算效率的同时提升重建质量。
| 学科： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2611.12980 [cs.LG] |
| （或 arXiv:2611.12980v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2611.12980 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Sirui Li [查看电子邮件]
[v1]
2026年11月8日星期日 07:05:27 UTC（7,950 KB）
来源：arXiv cs.AI · arxiv.org