移動物体検出は、自動運転車両、ビデオ監視、セキュリティ、法執行などの幅広い応用を持つことから、コンピュータビジョンの主要な議論のテーマとなっています。ニューロモルフィックビジョンセンサ（NVS）は、人間の目を模倣したバイオインスパイアードセンサです。従来のフレームベースカメラとは異なり、これらのセンサは非同期の「イベント」ストリームを捕捉します。これには高ダイナミックレンジ、低遅延、低消費電力、運動ブラーの減少といった多くの利点があります。しかし、これらの利点は高いコストを伴います。イベントカメラデータには通常より多くのノイズが含まれており、解像度も低い傾向にあります。さらに、イベントベースカメラはシーンの明るさの相対的な変化のみを捕捉できるため、通常のカメラからのビデオデータに見られるような視覚情報（テクスチャや色など）が含まれていません。したがって、イベントベースカメラでの移動物体検出は非常に困難な課題となります。本論文では、イベントベースデータにおける移動物体検出（GSCEventMOD）のために無教師グラフスペクトルクラスタリング技術を提案します。また、最適な移動物体数を自動的に決定する方法についても示しています。公開されているデータセットを使用した実験比較では、提案されたGSCEventMODアルゴリズムが最新技術を最大30%上回ることが確認されました。