自监督与表征学习 / CVPR2026 待复核
稀疏地刻画变化:面向遥感解译的脉冲时序框架
Sparsely Timing the Change: A Spiking Temporal Framework for Remote Sensing Interpretation
把双时相辐射差转成带 time-to-first-spike 特性的稀疏脉冲序列,再用 SNN 提取动态变化特征,并通过可学习时序衰减与 ANN 语义特征融合——这套「脉冲编码+轻量适配器」思路可迁移到任何需要从稀疏时序观测中挖掘动态信息的视觉任务(如视频变化检测、事件相机处理)。
脉冲神经网络时序融合变化检测