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
介绍了事件相机技术的工作原理，可用传感器和任务，包括低级视觉和高级视觉，并讨论了处理事件的技术，特别是基于学习的技术和专门为这些传感器设计的处理器，如脉冲神经网络，同时提出了待解决的挑战和未来机器感知及与世界互动的新机遇。
Apr, 2019
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。
本研究首次提出了使用脉冲神经网络(SNNs)对事件相机的数据进行时间回归预测的问题，即预测旋转事件相机的3自由度角速度。该研究使用了从真实全景图像生成的合成事件相机数据集，证明了可以成功地训练SNNs来执行角速度回归。
Mar, 2020
本文介绍了一种基于事件相机的物体检测任务的解决方案，包括了首个高分辨率大规模数据集的发布、一种新的递归架构和一种时间一致性损失函数，这些对于更好的训练结果至关重要，而且在需要高动态范围，低延迟且具有挑战性的光照条件的情况下比传统的基于帧的解决方案更加高效而准确。
Sep, 2020
利用事件相机的异步像素来开发新型神经网络在角速度回归和光流估计方面表现出最先进的性能。
Sep, 2022
该研究提出了一种新的SNN-ANN混合体系结构，该体系结构结合了事件图像和异步计算的优势，用于光流估计，实验结果表明，与以往的混合体系结构，ANN-only和SNN-only体系结构相比，该混合体系结构在准确性和效率方面均有显著提升。
Jun, 2023
使用事件驱动摄像头与脉冲神经网络相结合的新颖解决方案，实现了乒乓球的精确检测。通过比较不同脉冲神经网络框架和相应神经形态边缘设备的精确性和运行时间，为机器人研究人员提供了一个基准，并证明神经形态边缘设备上的脉冲神经网络能够实时运行在乒乓球机器人系统中。
Mar, 2024
使用神经形态事件相机进行时间到碰撞的估计，通过两步骤的几何模型拟合和非线性优化方法，相较于其他方法在效率和准确性方面更为有效。
Jul, 2024
本研究针对传统RGB相机在运动模糊和光照不佳情况下的目标检测性能不足的问题，提出了一种基于事件相机的高级检测框架ReYOLOv8。该框架通过时空建模和特定的数据增强技术显著提高了汽车和机器人领域的检测精度，模型的mAP在多个数据集上提升达18%，同时实现了实时处理速度的优化。
Aug, 2024