事件驱动视觉:综述
介绍了Dynamic and Active-pixel Vision sensor（简称DAVIS）的特点及其在机器人技术和计算机视觉方面的潜在应用，同时公开了一组DAVIS数据集，旨在激发研究人员对于高速和高动态范围机器人技术和计算机视觉应用新算法的研究。
Oct, 2016
本研究提出了EventNet，一种基于新型视觉传感器的神经网络，旨在实时处理异步事件流，并采用了新的时间编码方案来建模输出对数万个因果事件的依赖关系，同时在标准CPU上每秒处理百万个事件，通过实验验证了该框架的实时性和稳健性。
Dec, 2018
该论文介绍了一种基于神经网络的异步处理Event-based Camera事件流的方法，利用前一时刻的动态信息和灰度帧的关键特征，提取事件中的动态信息，相较现有同类研究结果表现优异。
Apr, 2019
本文提出了一种利用现有的传统相机记录的视频数据生成虚拟事件数据的方法，从而使得神经网络能够使用大量的现有数据集进行训练，从而在物体识别和语义分割领域取得了良好的效果。
Dec, 2019
该研究介绍了一种使用静止事件相机在静态场景中实现事件转换为密集强度图像的方法，并通过时间映射神经网络将时序矩阵转换为强度帧。实验证明该方法在动态范围、细节和灰度分辨率方面表现出卓越的性能，并比其他方法在下游计算机视觉任务上表现出更好的性能。
Mar, 2024
基于事件的相机在行人检测领域中的应用研究及发展现状的详细回顾，包括基本原理、相对传统帧图像方法的优势与劣势、多种事件流输入和相应网络模型的应用性评估、数据集和数据获取技术以及处理事件流数据的高级算法。同时，对基于事件的行人检测的独特优势和持续挑战进行了综述，并对未来发展进行了前瞻性展望。
Jul, 2024
本文针对事件相机的演变进行了全面的综述，解决了该领域内对先进事件相机技术的发展和应用的知识空缺。通过比较事件相机与传统帧相机，本文提出了新的视角和综合性见解，强调其独特特性及应用潜力，旨在激励未来的创新并推动研究进展。
Aug, 2024
本研究解决了事件相机在视觉系统应用中的发展瓶颈。文章通过对事件相机的基本原理进行介绍，并与传统帧相机进行比较，提出了一种全面的综述方式。最显著的发现是事件相机在低延迟、高动态范围和低功耗等方面的潜力，为相关领域的进一步创新提供了重要基础。
Aug, 2024
本研究针对现有事件相机在处理振荡光源下信息过载的问题，提出了一种新的梯度事件，显著降低了对振荡光源的敏感性。通过梯度事件的应用，实验结果表明相比传统亮度事件方法，视频重建效果显著提升，从而有效改善了事件相机获取视觉信息的能力。
Sep, 2024