تتجه الأبحاث في مجال تصنيف الكائنات باستخدام الرؤية الحدثية (Event-Based Computer Vision) نحو تحقيق نتائج واعدة تسهم في تعزيز الأمان والمزيد من التطبيقات في مجالات الرؤية الحاسوبية. يعتمد هذا المجال على تقنيات جديدة تُعالج البيانات بطريقة ديناميكية بدلاً من النوذج التقليدي القائم على الإطارات.

التصنيف التقليدي يواجه مشكلات عملية تتعلق بالحجم، الوزن، واستهلاك الطاقة، ما قد يعيق استخدامه في البيئات المتطرفة أو الخفية. بالإضافة إلى ذلك، تثير الأساليب السحابية مخاوف أمنية بسبب حاجة نقل البيانات الحساسة، مما يسبب تأخيراً ويعتمد على اتصال مستمر بالبنية التحتية السحابية.

تستخدم الشبكات العصبية المندفعة (Spiking Neural Networks - SNNs) في الأجهزة العصبية لحل بعض هذه القضايا المتواجدة في النهج التقليدي. لكن البحث عن أساليب تصنيف الكائنات المعتمدة على الرؤية الحدثية كان مقيداً من قبل نقص مجموعات بيانات عالية الجودة.

لذا، تم اقتراح أداة المحاكاة ANTShapes لإنشاء وتصنيف مجموعات بيانات الرؤية الحدثية. وفي هذه الدراسة الجديدة، تم إنشاء أربعة مجموعات بيانات مختلفة الصعوبة، وتم تقييمها مقارنةً بمجموعات بيانات تحتوي على نوى عصبية (N-MNIST، CIFAR10-DVS، DVSGesture، و POKER-DVS). تم إجراء التصنيف باستخدام شبكة عصبية م convolutional SNN.

تُعد هذه الخطوة تجربة تفاعلية ومفيدة، حيث توفر مجموعات بيانات غنية بالتفاصيل لإجراء تجارب مستقبلية وتثبت فعالية أداة محاكاة ANTShapes في تحقيق أهدافها بشكل مناسب.