本文探讨了事件相机在运动估计中的应用，提出了一种非线性参数化方法和新型求解器，以提高相对运动估计的稳定性和准确性。同时，研究了基于多尺度特征融合的视频帧插值方法，展示了其在鲁棒性和效率上的优势。实验结果验证了所提算法的有效性。

本研究提出了GD机制，利用卷积和自注意操作实现Gold-YOLO模型。该模型在多尺度特征融合和延迟准确性平衡方面有所提升。首次在YOLO系列中实现了MAE风格的预训练，使得模型能够从无监督预训练中受益。在COCO val2017数据集上，Gold-YOLO-N取得了39.9% AP和1030 FPS，超过了YOLOv6-3.0-N的相似FPS+2.4%。