本研究提出了一种基于残差的光流估计方法，有效解决了事件摄像头在高时间分辨率下运动估计的数据稀疏性问题，显著提高了准确性。

本文介绍了一种基于事件的脉冲神经网络（SNN）在汽车嵌入式应用中的目标检测方法。利用事件摄像头和尖峰反向传播技术，在Gen1数据集上实现了47.7%的平均精度，显著优于以往方法。该模型结构简洁，计算成本低，适合高速平台应用，并提出了新型硬件架构和事件驱动学习方法，展示了在神经形态计算中的能效潜力。