介绍了一种基于深度学习的用于估计高速场景下 spiking 相机的光流的流水线，并引入了一种新的输入表示方法以自适应地去除 spike 流中的运动模糊。通过在名为 SPIFT 和 PHM 的场景中合成的光流数据进行训练，该方法显示出对不同高速场景下的 spiking 数据能够有效地预测结果。

Oct, 2021

本文针对 spike camera 的独特噪声机制，提出了系统的噪声模型，并提出了 spike stream 去噪的基准和 DnSS 框架，实验结果表明 DnSS 在去噪方面表现出色。

Apr, 2023

通过使用脉冲相机设计的由 Spike 流重建纹理（TfS）损失函数来提高以神经辐射场（NeRF）和 3D 高斯喷洒（3DGS）为基础的新视角合成，将可获得尖锐的场景表示，同时降低训练成本。

Apr, 2024

提出了第一个自监督框架来解决基于脉冲引导的运动去模糊任务，通过理论关系和知识蒸馏设计轻量级去模糊网络，生成与原始输入亮度和纹理一致的高质量序列。

Mar, 2024

本文提出了一种基于 GeoSim 的几何感知图像合成过程，通过从其他场景中提取的动态对象进行图像合成从而合成新的城市驾驶场景，该方法能够生成真实的、交通意识的、几何一致的合成图像，适用于复杂的场景规模，并演示了其在长程实际视频模拟和合成数据增强等领域的有用性。

Jan, 2021

本研究介绍了一个基于虚幻引擎的逼真仿真训练和评估系统 ——Sim4CV，它可以应用于计算机视觉领域的多个方向，例如自主飞行器追踪移动物体和自动驾驶，该系统可以自动生成真实感强的合成数据集来拓展现有的真实世界数据集。

Aug, 2017

本论文提出了一个基于深度神经网络的可控相机模拟器，能够在不同的相机设置下合成原始图像数据，包括曝光时间、ISO、光圈等，并且能够用于大光圈增强、HDR、自动曝光和数据增强等多个应用领域。同时，也是第一个利用传统原始传感器特征和数据驱动深度学习优势模拟相机传感器行为的尝试。

Apr, 2021

使用计算算法和相机进行非侵入性、低成本和可扩展的生理（例如心肺）重要指标的测量非常吸引人。该研究引入了 Synthetic 数据集 SCAMPS 为相机测量生理指标提供完美标签，并以真实数据集作为测试集以说明可推广性。

Jun, 2022

该研究论文介绍了 CrowdSim2—— 一个新的人和车辆检测适用的合成图像集合，旨在用于基于人工智能的监督模型开发。研究发现他们使用的这个新数据集对于在受控环境中测量检测器性能是一个有价值的工具。

Apr, 2023

本文介绍一种基于多组可逆 3D 卷积神经网络的内存高效型网络，用于压缩成像 (SCI)，并将 demosaicing 与 SCI 重建相结合，以直接从 Bayer 测量中恢复彩色视频。实验表明，我们的模型在大规模问题中优于现有的最先进技术，并且内存使用更少，因此可在实际应用中使用。

Mar, 2021