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。

本文研究了极低光条件下注视向量预测的挑战，并提出了一种新方法，通过将动态视觉传感器事件与灰度引导帧集成，生成连续编码图像输入到神经网络中。实验结果表明，该方法在低光视频中能够准确预测注视向量，展示了潜力。

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％。