核心答案：它根本没有“曝光时间”
传统相机产生运动模糊的根源，在于时间积分。无论快门多快，只要曝光窗口打开，传感器就会把这段时间内落在像素上的所有光子累加起来。高速物体在曝光期间发生了位移，最终记录的就是位移轨迹的“平均叠加”，也就是模糊。
事件相机（如 DVS 架构）彻底抛弃了帧与曝光的概念，它的防糊机制建立在三个底层设计上：
1. 异步像素，各自为战
传统相机的像素受全局时钟同步控制，统一采集、统一读出。事件相机的每个像素都是一个独立的模拟-数字混合电路，拥有自己的比较器和状态机。它们不等待“下一帧”，也不关心邻居在做什么，只响应自身视野内的光强变化。
2. 阈值触发，只记变化
每个像素持续监测对数光强的变化量 $\Delta \ln(I)$。当变化超过预设阈值（通常为 10%~20% 的光强相对变化）时，该像素瞬间触发一次输出，包含坐标 (x, y)、精确时间 t 和极性 p（变亮或变暗）。物体高速移动时，只有边缘扫过的像素会连续触发，静止区域完全静默。没有积分过程，自然没有时间维度的拖影。
3. 微秒级时间戳，拒绝时间平滑
事件的时间戳由片上高精度计时器直接打标，典型延迟可压至 1~10 微秒。这意味着运动轨迹被拆解为一系列带精确时间标签的离散点，而不是被压缩进一张静态图里。即使物体速度达到音速级别，相邻事件的时间间隔依然能清晰区分位置差异。
一个直观的类比
- 传统相机：像让全班同学在 1/100 秒内同时闭眼再睁眼，然后凭记忆画下黑板上的粉笔字。如果老师边写边移动，大家画出来的就是拖尾的字迹。
- 事件相机：像给每个同学配一个“变化报警器”。只要看到黑板某处有笔画出现或消失，就立刻举手报坐标和时间。老师写得再快，记录下来的也是一串按时间排序的精准点位，绝不会糊成一团。
补充说明：不模糊 ≠ 直接出清晰照片
事件相机输出的是稀疏事件流（Event Stream），而非传统 RGB 帧。要得到人眼熟悉的图像或轨迹，需要专用算法（如时间表面重建、事件累积网格、或端到端神经网络）进行后处理。但这属于数据重构范畴，传感器本身的物理记录阶段已经天然免疫了运动模糊。
这项特性让事件相机在无人机避障、高速工业检测、眼球追踪等场景中展现出不可替代的优势。它不是“更快的相机”，而是“另一种看世界的方式”。
