最大化事件驱动神经网络中的异步性

本研究针对事件相机所产生的高时间分辨率和低延迟的数据在标准机器学习中的表现不足而开展，提出一种新颖的异步到同步(A2S)框架EVA，实现高度表达性和可泛化的事件表示。EVA通过将语言建模中的线性注意力和自我监督学习的进展融合，显著提升了事件识别和检测任务的性能，展示了其在实时事件视觉应用中的变革潜力。