本文介绍了多种基于事件相机的技术进展，包括异步滤波器、低延迟特征跟踪、视觉惯性导航融合、事件序列补全、图像修复神经网络训练方法、角点检测、目标检测框架LEOD及稀疏学习网络eSL-Net。这些方法在准确性、性能和图像质量上均优于现有技术，展示了事件相机在计算机视觉中的潜力。

该文介绍了一种视频分解方法，可对具有时空变化照明和运动效果的视频进行基于层次的编辑。通过神经模型将输入视频分解为多个分层表示，包括2D纹理贴图、原始视频的掩码以及表征光照条件时空变化的乘法残差。该方法可以高效学习1080p视频的基于层次的神经表示，并在单个GPU上实时渲染编辑结果。同时，提出了采用特征跟踪评估指标来客观评估视频编辑的一致性。