PHASE-TTC-Adapt
TTC по event-камере и RGB
2 мин чтенияобновлено
Релиз AlvaroSchwiedop для оценки signed time-to-contact (TTC) по causal-наблюдениям event-камеры и RGB-кадрам. Это замороженная оригинальная девятикомпонентная модель PHASE-TTC плюс ансамбль из трёх 688-параметровых quality routers.
Ключевые особенности
- Считает TTC отдельно по каждой модальности, уточняет оценки во времени и объединяет их в физическом phase-представлении с RGB-коррекцией.
- Адаптер добавляет causal-расширение bounding box в inverse-TTC координатах; при отсутствии геометрической истории возвращается к native-оценке.
- Роутеры обучены на 2 608 development-запросах: 2 531 дорожный запрос из 24 записей и 77 запросов Slider-500.
- Запуск через собственный
predict.py; по умолчанию CPU, для CUDA нужны PyTorch 2.10.0 и torchvision 0.25.0. - Нужны синхронизированные калиброванные event/RGB-наблюдения и готовые области объектов; автономный детектор — отдельный компонент.
Пример
hf download AlvaroSchwiedop/PHASE-TTC-Adapt --local-dir PHASE-TTC-Adapt
cd PHASE-TTC-Adapt
python -m pip install -r requirements.txt
python predict.py --input examples/synthetic_looming.npz --verify examples/synthetic_expected.json
Подробнее
На локальной EvTTC-выборке из 434 запросов pooled MAE: 0.82498 → 0.33590 s; relative absolute error: 49.894 → 17.250%.Это оценка с organizer-style offline negative-output interpolation, а не подтверждённый результат официального лидерборда для адаптации.
Оригинальная PHASE-TTC занимала rank 1 на GarlTTC с 35.80145 Overall MiD; это результат другой, исходной модели.
Paced replay: 29.14 ms p95 на 250 обновлениях — выше бюджета 20 ms; устойчивая работа 50 Hz не показана.
Модель не даёт калиброванных вероятностей столкновения или интервалов неопределённости.










Комментарии