Neuromorphic Vision Data Coding: Classifying and Reviewing

近年来，视觉传感器在快速提高，以模拟人脑的视觉信息获取过程，通过对光照变化的实时响应而不是在固定时间间隔内响应。在这种情况下，所谓的神经形态视觉传感器采用了一种新的视觉信息获取方式，与传统的基于帧的图像传感器不同。这种新的视觉信息获取方式使得每个像素的响应/记录更快、更异步，由场景动态驱动，具有非常高的动态范围和低功耗。然而，新兴的神经形态视觉传感器输出的大量数据迫切需要高效的编码解决方案，以便应用程序可以充分利用这些新的、有吸引力的传感器的能力。因此，近年来已经投入了相当大的研究工作，以开发越来越有效的神经形态视觉数据编码（NVDC）解决方案。在这种情况下，本文的主要目的是提供文献中NVDC解决方案的全面概述，由一种新的分类分类法指导，这种分类法允许更好地组织这个新兴领域。通过这种方式，可以得出更为坚实的结论，从而更好地推动未来研究和标准化发展在这个新兴技术领域。

本论文旨在提供对神经形态视觉数据编码（NVDC）解决方案的全面概述，以更好地组织这个新兴领域。该论文试图解决神经形态视觉传感器输出的大量数据需要高效编码的问题。

该论文提出了一种新的分类法，以更好地组织神经形态视觉数据编码（NVDC）解决方案，以便更好地了解当前NVDC的现状，从而更好地推动未来研究和标准化发展。

该论文介绍了当前NVDC的状态，并提供了一个新的分类法来组织这个新兴领域。实验使用了多个数据集，并比较了不同NVDC方法的性能。该论文的方法可以为未来的研究和开发提供指导。

在这个领域中，最近的相关研究包括：'Efficient Neuromorphic Vision Sensor Data Compression Using Convolutional Autoencoder'，'Efficient Compression of Neuromorphic Vision Data Using Convolutional Neural Networks'，'A Survey of Neuromorphic Vision Sensors and Their Applications'等。