- 神经形态学人脸分析：综述
神经形态传感器是一类模仿生物视觉系统功能的成像设备，通过连续产生代表视野中光强或动态变化的事件，具有高时间分辨率和低延迟，对人脸建模具有重要意义和隐私保护视角。本文综述神经形态人脸分析领域的能力、挑战和新兴应用，勾勒出有前途的研究方向和待解 - Spike-EVPR: 基于深度脉冲残差网络与交叉表征聚合的事件驱动视觉地点识别
提出了一种称为 Spike-EVPR 的新型深度脉冲神经网络架构，用于基于事件的视觉位置识别任务，通过引入两种新的事件表征并构建具有强大表征能力的 Bifurcated Spike Residual Encoder 和 Shared & S - CVPRX-maps：面向事件驱动结构光系统的直接深度查询
我们提出了一种新的方法，用于使用事件相机进行空间增强现实（SAR）应用的直接深度估计。我们的关键贡献包括将投影仪时间映射转换为矫正的 X 映射，捕获到来事件的 x 轴对应关系，并实现了无需额外搜索的直接差异查找，从而显著简化了深度估计过程以 - 基于不确定性感知的桥接式移动 Former 网络用于基于事件的模式识别
基于事件流的轻量级不确定性感知信息传播的 Mobile-Former 网络用于有效的模式识别，对多个事件识别数据集进行了广泛实验验证。
- 通过弹性网络结合张量网络进行事件流的表示学习
事件相机是神经形态学传感器，可以捕获异步和稀疏的事件流，本文提出了一种新颖的时空表示学习方法，通过张量分解可以同时捕获事件流中的全局相关性。此外，由于事件在空间上稀疏，我们提出了一种弹性网络结合的张量网络模型，可以获取有关事件流的更多空间和 - 基于事件的稀疏事件补全的扩散 - 细化方法
通过基于扩散的生成模型以及维护原始数据的时间分辨率等方法，我们提出了一种创新的事件序列补全方法，发掘事件相机的全部潜力，并生成高质量的密集事件，从而有利于目标分类和强度帧重建。
- EvPlug: 事件与图像融合的即插即用模块学习
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 - EVI-SAM: 鲁棒、实时、紧耦合的事件 - 视觉 - 惯性状态估计和三维稠密建图
提出了一种使用单目事件相机解决 6 自由度姿态跟踪和 3D 重建问题的 EVI-SAM 方法，通过深度图、短浮点函数融合和基于事件的映射方法实现鲁棒的姿态跟踪和稠密地图生成，在挑战性场景中展现卓越的性能表现。
- 深度事件视觉里程计
基于事件相机，本研究提出了第一个单目纯事件系统 Deep Event VO (DEVO)，通过稀疏追踪选定的事件块，显著减少了七个真实场景基准测试上的位姿跟踪误差，较单纯事件方法减少了 97%，并且通常优于或接近立体或惯性方法。
- EventAid: 使用真实采集的混合数据集对事件辅助图像 / 视频增强算法进行基准测试
该论文聚焦于五项基于事件影像的图像 / 视频增强任务，并提供了不同事件属性的分析、真实采集的数据集、最先进方法的统一评估以及两种主流事件模拟器的评估。论文详细介绍了 EventAid 数据集，包括场景多样性和时空同步，进行了定量和视觉比较， - 低功耗连续远程行为定位与事件摄像机
采用事件相机记录放置在南极的繁殖企鹅群中的数据，使用计算机视觉方法进行行为量化，通过时间动作检测任务确定行为的起始和结束时间，证明事件相机在野生动物观察中的低功耗特性以及对各种光照条件的鲁棒性，为开展新的跨学科研究提供了契机。
- 无监督事件驱动独立运动分割
通过几何约束，我们提出了一种基于事件感知的独立运动物体伪标签生成的无监督方法，可以处理任意数量的无先验对象，并能够在缺乏昂贵的物体运动标签的数据集上进行可扩展的评估。我们在 EVIMO 数据集上进行了验证，并从定量和定性上表明其与有监督方法 - E2PNet：事件到点云的时空表示学习的配准
2D-3D registration for event cameras is studied using a learning-based method called E2PNet, which employs a novel featu - LEOD: 事件相机的标签高效目标检测
LEOD 是第一个能够节省标签的事件感知目标检测框架，通过弱监督、半监督和自监督学习机制，利用有限标签在未标记事件上生成伪标签，并通过双向推理和基于跟踪的后处理提高伪标签的质量。通过引入新的实验协议，在 Gen1 和 1Mpx 数据集上评估 - 基于目标的跨模态特征蒸馏的事件型物体检测
我们提出了一种新颖的知识蒸馏方法，通过使用面向对象的槽注意机制来改善事件相机的实时目标检测性能，减小与 RGB 检测器之间的性能差距。
- 重新思考带有 3D 事件表示的人体姿势估计
通过引入两种三维事件表示方法（RasEPC 和 DEV），结合一个用于训练的合成事件数据集（EV-3DPW），本研究在人体姿势估计中取得了显著的性能提升，克服了传统图像和事件帧技术的局限性。
- 事件驱动的背景定向暗纹
该论文介绍了一种使用事件和帧来感知空气对流的新技术，并提供了将事件数据与 Schlieren 相联系的第一个理论分析。实验证明，该方法使事件相机能够与现有基于帧的光流技术取得相当的结果。此外，该方法在暗条件下工作，而基于帧的 Schlier - 注意分心事件追踪
提出了一种引入了变压器模块的具有抗干扰能力的事件驱动跟踪器，在两个大型事件跟踪数据集上验证了其在准确性和效率方面优于现有的最先进跟踪器。
- SpikePoint: 基于点的有效脉冲神经网络用于事件相机的行为识别
使用 SpikePoint 结构，利用事件相机与脉冲神经网络相结合的高效能力，在超低功耗应用场景中实现了优秀的动作识别性能。
- ICCVGET: 组合事件变换器对于基于事件的视觉
提出了一种新颖的基于团体的神经元感知传感器，名为 Group Event Transformer（GET），用于事件驱动视觉的特征提取，该方法解耦了特征提取过程中的时间极性信息和空间信息，并通过事件双自注意机制和团体令牌聚合模块在时间极性和