本研究提出了一种新型脉冲卷积递归神经网络GazeSCRNN，克服了传统注视追踪系统的局限性，利用动态视觉传感器实现高效的近眼注视追踪，显著提升了预测准确性。

本文介绍了动态和主动像素视觉传感器（DAVIS）的特点及其在机器人技术和计算机视觉中的应用，提出了多种基于事件相机的视觉里程计和SLAM算法，强调了其在高速和高动态范围场景下的优势，并展示了相关数据集和实验结果，推动了该领域的研究进展。

本文介绍了基于事件相机的动态视觉传感器及其在光流估计、立体匹配和深度估计等计算机视觉任务中的应用，提出了多种新方法和框架，显著提高了性能，并在多个数据集上验证了其有效性。

本文介绍了一种基于神经形态学的眼动追踪方法，利用动态视觉传感器捕获事件数据，结合脉冲神经网络和低功耗处理器Speck，提高了系统的精确度和效率。研究提出的NeuroCLIP方法在多个数据集上实现了对未见对象的识别，并取得了优异的分类效果。

本文介绍了一种基于动态视觉传感器（DVS）的异步相机跟踪算法，能够在低光和噪声条件下有效检测和跟踪移动对象。研究提出的时间注意机制减少了数据通信和计算负担。此外，探讨了基于深度学习的事件相机语义分割方法和运动补偿图像重建技术在机器人技术和计算机视觉中的应用潜力。

该论文介绍了一种基于脉冲的神经网络，用于从动态视觉传感器数据中估计光流。该神经网络可以与基于TrueNorth的神经元实现，并在低于80mW的预算下进行评估，误差率平均终点为11％。