本文解决了机器人应用中事件驱动视觉和尖峰神经网络数据集缺乏多样性的问题。通过eWiz库和eCARLA-scenes合成数据集，提供了多样化的光流预测环境数据，为自主车辆导航奠定基础。

本文探讨了多种视频编码技术，包括基于光流的预测、空间分解与时间融合的帧间预测，以及新型学习视频压缩框架（VLVC）。研究表明，这些方法在压缩性能上优于现有标准（如H.266/VVC），有效提高了视频质量和压缩率，降低了比特率。

本文介绍了一种基于无监督学习的光流预测与校正方案，结合PDE约束的光学流预测器和物理校正器，效果优于传统光学流方法。同时，研究提出了多种无监督光流估计方法，展示了在语义分割等领域的竞争力和先进性能。