EventGPT

让大模型看懂事件相机数据，实现动态场景理解与问答

EventGPT 是一个面向事件流（event stream）理解的多模态大语言模型框架，源自 CVPR 2025 论文。它解决的是传统视觉模型难以高效处理高时间分辨率、稀疏且异步的事件相机数据的问题，将事件流转化为适合大语言模型理解的表征，从而支持事件描述、问答、推理等任务。其核心能力包括：设计事件流专用的 tokenizer 和编码器，将事件数据映射到语言模型的语义空间；支持与文本、图像等多模态信息联合建模；提供完整的训练和推理流程，便于研究者复现与扩展。该项目旨在为事件相机数据与 LLM 的融合提供基础范式，推动动态视觉理解、机器人感知等领域的发展。