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

针对低功耗实时机器人领域，提出了一种基于FPGA加速的ELAS算法适配方案，在保留原有算法性能特性的前提下，利用CPU/FPGA SoC的组合，极大地提高了算法计算速度和功耗表现，为低功耗实时系统下更复杂、多样化算法的加速提供了新思路。

Feb, 2018

研究使用成熟的计算机视觉技术对从事件数据中重建的视频进行对象分类和图像重建，从而充分发挥事件相机的优异特性。

Apr, 2019

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

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

使用事件传感器进行实时感知的轻量化学习方法。可用于快速移动物体的准确检测。在实验中，对于打向不同位置、速度达到13m/s的乒乓球，成功率高达81%。

Apr, 2023

通过FPGA设备实现高分辨率事件数据流（HD-1280 x 720像素）的累积与投影，研究探索了该方法的可行性、挑战、限制和权衡，并与AMD Xilinx等平台上的可用数据表示进行了比较。所得的事件帧可以用于经典和深度神经网络方法的目标分类与检测等视觉算法。

Jul, 2023

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

本研究解决了现有图卷积神经网络在FPGA实现中的可扩展性问题，通过优化硬件模块和提出双步卷积方法，显著降低了LUT的使用量。该方法提高了GCNN的可扩展性，使得可以应用于更多层次、更大规模的图和更动态的场景。

Nov, 2024