Event-based Tiny Object Detection: A Benchmark Dataset and Baseline

会议: ICCV 2025
arXiv: 2506.23575
代码: https://github.com/ChenYichen9527/Ev-UAV
领域: 3D视觉 / 事件相机 / 小目标检测
关键词: Event Camera, Small Object Detection, Anti-UAV, Sparse Point Cloud, Spatiotemporal Correlation, benchmark

一句话总结

提出首个大规模事件相机反无人机小目标检测基准EV-UAV数据集（147序列/230万事件级标注/平均目标仅6.8×5.4像素），并设计EV-SpSegNet——基于稀疏3D点云分割的检测框架，利用小目标在时空事件点云中形成连续曲线的特征，配合时空相关性损失(STC loss)引导网络保留目标事件，在IoU/ACC/检测概率上全面超越13种SOTA方法，推理速度快10-100倍。

研究背景与动机

问题定义

反无人机(anti-UAV)任务中的小目标检测(SOD)：在复杂背景下实时、准确定位极小的无人机目标。目标极小（平均仅6.8×5.4像素），缺乏纹理和轮廓特征。

现有方法的局限

传统帧相机的局限： - 帧率低(30-60Hz)，无法捕获高速运动的UAV - 动态范围有限(~60dB)，极端光照下失效 - 数据冗余，背景占据绝大多数像素

事件相机的潜力： - 微秒级时间分辨率(≥10⁶Hz) - 高动态范围(120dB)——强光/弱光均可工作 - 异步稀疏输出，天然避免数据冗余

现有事件数据集不足： - VisEvent/EventVOT：UAV仅为子类别，目标大(84×66/129×100像素) - F-UAV-D：仅室内环境 - NeRDD：仅大目标+简单背景 - 缺乏事件级标注——现有数据集仅提供帧级bbox

现有事件检测方法局限： - 帧转换方法（RVT/RED）：将事件转为图像表示，压缩时间信息，处理冗余背景 - 图方法/SNN方法：依赖特殊硬件或性能不足 - 均未针对小目标的特殊几何结构设计

核心观察

小运动目标在时空事件点云中形成连续细长曲线，与背景的面状结构和噪声的离散点状结构有本质区别。这一几何特征可作为区分目标和非目标的关键线索。

方法详解

整体框架

EV-SpSegNet是基于U型稀疏卷积架构的事件点云分割网络： - 输入：8秒的原始事件流，体素化为1像素×1像素×1ms的3D稀疏点云 - 编码器-解码器：对称结构，每层包含GDSCA模块 - 输出：逐事件的二分类（目标/非目标） - 损失：BCE + STC时空相关性损失

关键设计1：分组膨胀稀疏卷积注意力（GDSCA）

GDSCA模块包含三个组件：

1. Grouped Dilated Sparse Convolution (GDSC) Block：

   • 将输入特征沿通道维度分组（默认4组）
   • 每组使用不同膨胀率(1,2,3,4)的稀疏卷积
   • 提取多尺度局部时间特征——适应不同运动速度的目标曲线

2. Sp-SE Block（Sparse Squeeze-and-Excitation）：

   • 融合来自不同膨胀率分组的特征
   • 通道注意力重新加权

3. Patch Attention Block：

   • 将点云划分为较大子区域
   • 子区域间自注意力实现全局上下文交互
   • 先下采样再注意力，降低二次复杂度

设计逻辑：GDSC先捕获局部多尺度特征 → Patch Attention再全局交互。实验证明单用Patch Attention反而降低性能——因为没有充足局部特征时全局注意力会导致特征混淆。

关键设计2：时空相关性损失（STC Loss）

标准BCE损失对每个事件独立处理，忽略邻域结构。STC loss引入"周围高置信度支持事件越多，该事件越可能是目标"的先验：

\[L_{stc}(p, y) = \begin{cases} -w_{stc}^\gamma \log(p), & y=1 \\ -(1-w_{stc})^\gamma \log(1-p), & y=0 \end{cases}\]

时空相关性权重：

\[w_{stc}(p) = \text{sigmoid}\left(\sum_{e^j \in V^{k\tau}} p^j\right)\]

其中 \(V^{k\tau}\) 是 \(k \times k \times \tau\) 邻域。默认 \(k=3, \tau=5, \gamma=2\)。

效果： - 对正样本（目标事件）：更多邻居支持 → \(w_{stc}\) 更大 → 更大权重 → 鼓励保留高时空相关的目标 - 对负样本（噪声）：孤立事件 → \(w_{stc}\) 小 → \((1-w_{stc})\) 大 → 更高惩罚 → 鼓励去除孤立噪声

关键设计3：事件级标注方法

解决逐事件标注的效率问题： 1. 先将事件累积为帧，在帧上标注2D bbox 2. 根据帧对应的时间间隔Δt，将2D bbox扩展为XYT 3D空间的3D立方体 3. 取3D立方体内的所有事件作为目标标注

既实现了微秒级精度，又保持标注效率。

实验关键数据

EV-UAV数据集统计

• 147个事件序列（99训练/24验证/24测试）
• 2300万+目标事件标注
• 平均目标大小：6.8×5.4像素（极小，是现有数据集的1/50）
• 45%极小目标（<8×8）、覆盖强光/正常/弱光/多场景/多目标
• DAVIS346相机，346×260分辨率

主实验结果（与13种SOTA方法对比）

方法	类型	IoU(%)↑	ACC(%)↑	Pd(%)↑	Fa(10⁻⁴)↓	参数量	推理(ms)
YOLOV10-S	帧	32.55	33.39	32.18	589.67	7.3M	1627
RVT	事件+体素	43.21	51.38	60.35	55.68	9.9M	1737
Spike-YOLO	SNN	43.94	48.26	59.62	55.38	69.0M	1883
COSeg	点云	51.89	60.93	71.32	9.21	23.4M	364
EV-SpSegNet	点云	55.18	65.02	77.53	1.63	4.0M	35.9

关键发现： - IoU领先次优方法3.29个百分点（55.18 vs 51.89 COSeg） - 虚警率仅1.63×10⁻⁴，比RVT低34倍 - 推理速度35.9ms处理8秒事件数据，比最快的点云方法(RandLA-Net 353ms)快10倍 - 参数量仅4.0M，小于大多数方法

消融实验：各组件贡献

GDSC	PA	STC Loss	IoU↑	ACC↑	Pd↑	Fa↓	参数量
-	-	-	51.36	60.21	71.94	4.81	5.6M
✓	-	-	52.73	62.64	73.12	4.28	3.8M
-	✓	-	51.26	59.53	71.67	4.31	5.8M
✓	✓	-	53.62	64.02	76.76	1.93	4.0M
✓	✓	✓	55.18	65.02	77.53	1.63	4.0M

关键发现： 1. 单独PA反而轻微降低性能——需要GDSC先提供局部特征 2. GDSC+PA组合时性能显著跳升（IoU +2.36，Fa从4.28降到1.93） 3. STC loss在GDSC+PA基础上继续提升（IoU +1.56, Pd +0.77）

STC Loss的泛化性验证

方法	原始IoU	+STC IoU	提升
KPConv	48.19	50.32	+2.13
RandLA-Net	50.32	51.15	+0.83
COSeg	51.89	53.12	+1.23

STC loss在所有点云分割方法上都有一致提升，证明通用性。

膨胀率组合消融

膨胀率	IoU↑	Fa↓
(1,2,3,4)	55.18	1.63
(1,2,3,5)	53.21	2.41
(1,3,5,7)	52.75	4.61
(1,3,5,9)	51.35	4.76

小间隔递增膨胀率(1,2,3,4)效果最佳；过大膨胀率导致对应事件距离过远，无法有效判断时间相关性。

亮点与洞察

1. 问题洞察的物理直觉：小目标在时空点云中形成"连续曲线" vs 背景形成"面" vs 噪声形成"离散点"——这一几何区别是核心设计灵感
2. 事件级标注的巧妙方案：通过2D bbox→3D XYT立方体的升维，将帧级标注自动转为事件级标注，同时支持退化为任意时刻的bbox标注
3. STC loss的通用性：不仅用于EV-SpSegNet，对现有点云分割方法均有持续提升——是事件数据上的通用损失函数
4. 极致效率：4M参数+35.9ms推理8秒数据（对比帧方法1-4秒处理单帧），利用稀疏卷积天然避免冗余计算
5. 定性结果的说服力：方法甚至检测到了人工标注遗漏的目标（因强背景杂波被人工忽略）

局限性

1. 事件相机固有限制：静止或慢速目标不产生事件，导致检测失败——需要与帧相机互补
2. 标注近似性：3D立方体内的事件不一定都属于目标（可能包含背景事件），标注有一定噪声
3. 仅单类别检测：当前仅检测UAV目标，未扩展到多类别场景
4. 分辨率受限：DAVIS346仅346×260，更高分辨率事件相机上的可扩展性未验证
5. 动态范围评估不充分：虽然数据集覆盖多种光照条件，但各条件下的分项性能缺乏报告

相关工作与启发

• 从2D检测到3D点云分割的范式转变：传统事件检测先转帧再用YOLO/DETR——本文直接在3D事件点云上分割，避免帧化带来的时间信息损失
• STC loss的设计思想类似于Focal Loss（对困难样本加权），但加权依据从"预测难度"变为"空间邻域一致性"
• GDSC的分组膨胀卷积思想源自图像领域（Dilated Conv/Atrous Conv），但适配到3D稀疏卷积并组合Patch Attention是新颖的
• EV-UAV数据集的标注方法可推广到其他事件相机任务（如事件语义分割、目标跟踪）

评分 ⭐⭐⭐⭐

• 创新性：⭐⭐⭐⭐（"曲线vs面vs点"的几何洞察+STC loss+完整基准，贡献扎实）
• 实验：⭐⭐⭐⭐⭐（13种方法对比+多维度消融+STC泛化验证+定性分析，非常完整）
• 写作：⭐⭐⭐⭐（问题动机清晰，数据集描述详尽，方法直觉性好）
• 实用性：⭐⭐⭐⭐⭐（35.9ms的极速推理+开源数据集/代码，直接可用于反无人机系统）

相关论文

• [AAAI 2026] Griffin: Aerial-Ground Cooperative Detection and Tracking Dataset and Benchmark
• [ICCV 2025] SiM3D: Single-Instance Multiview Multimodal and Multisetup 3D Anomaly Detection Benchmark
• [ICCV 2025] MVGBench: a Comprehensive Benchmark for Multi-view Generation Models
• [ICCV 2025] MuGS: Multi-Baseline Generalizable Gaussian Splatting Reconstruction
• [ICCV 2025] Accelerate 3D Object Detection Models via Zero-Shot Attention Key Pruning