事件相机研究利用稀疏图卷积网络处理数据，但现有方法多关注计算成本而忽视内存成本。一项研究比较不同图卷积操作，使特征提取参数减少450倍、数据表示缩小4.5倍，分类准确率达52.3%，并在N-Caltech101上实现53.7% mAP和每秒82图。其他工作提出图表示结合图转换器、SlideGCN低延迟框架、端到端网格表示学习、异步事件驱动图神经网络及同步转异步模型等，在分类、检测和光流估计中提升效率与精度。