PointEvent：通过序列化运动证据累积重新思考基于事件的微小目标检测

事件相机具有高时间分辨率和运动敏感性，适用于微小无人机检测，但远距离目标产生的事件稀疏且碎片化，容易被杂波和自运动淹没。现有方法主要依赖密集事件表示或局部稀疏时空建模，导致计算冗余，或无法对跨越远距离异步事件的运动连续性进行连贯建模。为解决这一局限，我们引入序列化运动证据累积，将运动连续性视为有序的证据传播过程。具体而言，通过潜在的互补序列化方式，将同一事件流分别组织为保持局部性的时空路径和保持时间顺序的时间路径。在此基础上，我们提出PointEvent，一种轻量级的逐事件状态空间框架，在互补顺序之间交替进行序列化扫描，逐步整合固定局部邻域之外的碎片化运动证据。高分辨率事件分支保留细粒度目标响应，同时通过紧凑的上下文调制抑制干扰。实验表明，在参与比较的方法中，PointEvent以最少的参数量和最快的实测推理速度达到了SOTA水平。代码：https://github.com/wzz-z/PointEvent