本文使用单个事件相机首次解决了从单目视频中估计 3D 手势姿态的问题，提出了一种新的神经方法，可在 1000Hz 的实时性能下具有高时间分辨率和低数据吞吐量等特征，并且在新生成的合成事件流上进行训练和泛化，该方法在准确性和捕捉前所未有的手部运动速度方面优于使用彩色（或深度）相机的最近单眼方法。

Dec, 2020

提出了首个从单目事件摄像机中跟踪两只快速移动和互动的手的三维跟踪框架，通过新颖的半监督特征注意机制解决左右手歧义并整合相交损失来修复手的碰撞，推出了新的大规模数据集 Ev2Hands-S 和真实事件流与真实三维标注的基准数据集 Ev2Hands-R，并在强光条件下对真实数据具有更高的三维重建精度。

Dec, 2023

本文提出了一种使用循环网络从事件流中直接学习重建图像的方法，并在此基础上扩展到从事件流合成彩色图像的方法，实验证明该网络在处理高速现象和挑战性照明条件下具有较好的图像质量和高动态范围重建，并作为事件数据的中间表示进行了分类和视觉惯性积分导航等应用。

Jun, 2019

该论文提出了 EvPlug，一种能够将事件相机与图像相结合的方法，在不需要像素级对齐的情况下，通过学习融合模块的方式，使得 RGB 模型在高动态范围和快速运动场景下具备鲁棒性和高时序分辨率推理能力，从而在物体检测、语义分割和 3D 手姿估计等多个视觉任务中展现了优越性。

Dec, 2023

本文提出了一种基于 Event camera 的 EvHandPose 算法，通过 Event-to-Pose 模块中的新型手势流表示法，以及 Pose-to-IWE 模块中的对比度最大化和边缘限制来解决手部运动信息编码和运动模糊问题，在自我监督框架下设计 EvHandPose，同时还建立了第一个大规模真实世界基础的事件驱动手部姿态数据集，实现了在快速运动和强光等场景下的稳定且精确的手部姿态估计，并实现了 120 fps 或更高的 3D 手部姿态估计。

Mar, 2023

使用 RGB 和事件相机以及异步的事件流与校正的稀疏 RGB 帧的组合，共同优化事件相机的位置和辐射场，以建模可变形的神经辐射场。该方法在处理高变形和低采样率的情况下显示出显著优势，并在真实世界数据集上进行了实验证明其对建模动态场景中的可变形神经辐射场具有良好的应用前景。

Sep, 2023

本文提出了一种新的基于事件的方法，用于 3D 姿态估计和人体网格恢复，通过移动事件相机，通过衰减光线雕刻 3D 体素，重建人体姿态和网格，并拟合统计身体模型，实验结果表明该方法在姿态和身体网格估计精度方面优于传统基于帧的方法。

Apr, 2024

利用动态视觉传感器或事件相机进行视频帧插值，结合 RGB 信息的事件引导光流细化策略和分阶段的中间帧合成策略，可以获得比先前的视频帧插值方法更可靠和更真实的中间帧结果。

Jul, 2023

本篇论文提出一种从由立体事件相机拍摄的数据中进行三维重建的方法，该方法包括优化能量函数和概率深度融合策略，并且无需对相机拍摄的场景进行先验知识。实验表明，该方法能够处理纹理丰富和稀疏场景，并优于基于事件数据图像表示的最新立体方法。

Jul, 2018

使用事件相机，提出了一种解决仅使用单个事件相机进行密集三维重建的新方法，结果显示该方法无需使用现有方法的流水线即可直接生成可视化区分的密集三维重建，同时创建了一个使用事件相机模拟器生成的合成数据集，加速了相关研究。

Sep, 2023