该文本介绍了 SpikeVideoFormer, 一种新型的脉冲驱动视频Transformer，旨在提升脉冲神经网络（SNNs）在视频任务中的性能，同时保持高能效。它提出了一种脉冲驱动的汉明注意力（SDHA）机制，该机制理论上能更好地捕捉脉冲特征间的相似性，并实现了线性时间复杂度。研究表明，该模型在视频分类、人体姿态追踪和视频语义分割等任务上，不仅超越了现有SNN方法，还在效率上显著优于人工神经网络（ANNs），展现了其在处理大量视频数据时的潜力。

Introduction

https://notebooklm.google.com/notebook/f652f14e-b96c-41a3-a843-733ed015162a/audio