眾創年代
隨著視覺運算應用在無人駕駛、工業生產、物聯網等，傳統以幀格（Frame）為基礎的視訊記錄方式，限制亦開始浮現，尤其在記錄高速活動，幀格率（Frame Rate）太少會流失資訊。
神經形態視覺（Neuromorphic vision）興起，而其中專門研究神經形態視覺的法國Prophesee，數月前推出基於事件視覺（Event-Based Vision）的視訊感應器Metavision，每個像素（Pixel）都是獨立和非同步。Prophesee剛在10月底市場上又再融資了2800萬美元，總融資額已達6800萬美元。
位於瑞士的初創iniVation，也率先推出神經形態視覺攝影機，付有開發套裝軟件，並且有同時可輸出事件視覺和幀格（Frame）神經形態視覺高質視訊。據廠商的公佈，此攝錄機還有超低延遲（<0.1 ms）、高動態範圍（>120 dB，比市面所有CMOS高）、還有超低功耗等優勢。幀格驅動技術亦可應用於神經形態視覺，偵察靜態物件也有優勢，iniVation攝影機同時支援兩種技術。
一般的視訊串流基於連續擷取幀格的技術，跟人眼看見事物的視覺暫留現象不一樣，人眼不將視訊記錄一連串的幀格，而將空間和時間變化，以極高效率將傳送至大腦。人類視覺系統可以在非常複雜的環境當中識別各種不同的物體，因此通過類比人類視覺系統來設計高效、低能耗的硬體視覺系統對未來的人工智慧應用具有重大的意義。
傳統的視訊連續播放幀格，變成仿似連續發生的動畫；人眼有約0.1-0.4秒左右的圖像暫留現象，動畫一般最高幀數不超過24，影像看來是連續發生，原因即在此。
不過，人眼其實是通过分辨連續光波流動信號；視覺皮層很短時間內保存一張圖像，收到信號時，大腦會通過早前保存圖像，與擷取新圖像之間的信號差異，合併並製造出一種「連續運動」幻覺，也即是所謂「平滑」的現象。
神經形態視覺模仿人眼，以非同步方式感測影像，像素以不同速率，各自決定對場景每一像素去擷取。不過有異於人類的神經形態視覺，神經形態視覺技術應用對像，不是人類，而是機器。
如果讀取視覺訊號的是機器，不會有視覺的暫留現象，某些一瞬即逝的訊號，若未能捕捉，可能造成災難。所以幀格錄取影像，除非幀率極快，否則可能流失非常多的資訊；以運動比賽為例，或者昆蟲震翅，必須高速攝影機，否則無法看到細節。
Prophesee開發出神經形態感測器，摹擬眼睛與大腦的機器學習演算法，以基於事件的視覺方法感知和處理，從而選擇有效場景，並可忽略不相關的事物。
基於事件的感測器中，每個素像都是非同步，而且獨立捕捉的訊號，不再由固定的幀率（Frame rate）控制，而從視訊幅度域變化控制，直至檢測到變化或運動才記錄下來。資訊也不是逐幀發送的，而是通過連續捕視訊獨立像率，解決幀格之間可能損失訊息的問題。事件感測器的解像度通常較低，功耗也相應為低。
記憶體模擬視網膜
香港理工大學柴揚教授也研發出兩端光控阻變記憶體（two-terminal optoelectronic resistive random access memory，ORRAM），也可應用在上述的神經形態視覺。
光控阻變記憶體將光探測、光存儲和光可調控的突觸塑性行為集成於一體，，也有助神經形態視覺發展，應用於仿神經形態的視覺感測器。上述記憶體陣列同時展示圖像探測、存儲以及預處理功能（例如，圖像對比度增強以及圖像背底雜訊的平滑），整合了傳感端圖像存儲和處理功能，具有甚大的商業應用前景。
光控阻變記憶體可表現光控可調，並且隨時間變化塑性，上述記憶體陣列可進一步模擬人眼視網膜功能，實現對圖像探測，同時可對圖像有預處理功能，解決CMOS不能處理神經形態視覺的難題。CMOS 圖像感測器雖然可即時探測光信號和圖像特徵，但同時會生成大量冗餘數據，佔用了大量存儲，也增高了耗能。