基于脉冲神经网络的偏振事件形状提取
原文中文，约500字，阅读约需1分钟。发表于：。此论文研究了使用脉冲神经网络（SNNs）进行事件驱动的极化形状测量，提出了单时间步和多时间步的脉冲 UNets 模型，以有效和高效地估计表面法向量。结果显示，我们的模型在估计表面法线方面与最先进的人工神经网络（ANNs）性能相当，并具有更优秀的能源效率。
该研究介绍了一种基于事件的目标检测技术，使用脉冲神经网络（SNNs）处理高度稀疏和波动性的事件数据。研究表明，SNN在基于事件的视觉领域具有潜力，并在基准数据集上取得了显著的成绩。该模型具有简洁的结构，高精度和较低的计算成本。
