祝贺实验室 2 项科研成果发表在ICCV 2025！
热烈祝贺陈杰同学、吴沛熹同学，2 项科研成果正式发表！
查看内容 ↗Explore / 内容索引
脉冲神经网络
Efficient spiking point mamba for point cloud analysis
本文提出 Spiking Point Mamba (SPM)，这是首个将 Mamba 引入三维点云分析的脉冲神经网络。针对直接适配 Mamba 时存在的时序动态不匹配和脉冲引起的信息损失问题，作者设计了层次动态编码 (HDE) 以增强动态时序建模，并提出 Spiking Mamba Block …
查看内容 ↗祝贺实验室 3 项科研成果发表在 AAAI 2025！
热烈祝贺开大纯同学、李和倍同学、吴沛熹同学，3 项科研成果正式发表！
查看内容 ↗Spiking point transformer for point cloud classification
本文提出Spiking Point Transformer（SPT），首个基于Transformer的脉冲神经网络框架，用于三维点云分类。SPT设计队列驱动采样直接编码，在降低计算成本的同时保留关键支撑点；并引入混合动力学积分发放神经元（HD-IF），模拟选择性神经元激活，减少对特定人工神经元的过度 …
查看内容 ↗Efficient event-based semantic segmentation via exploiting frame-event fusion: A hybrid neural network approach
本文提出一种高效的混合神经网络框架，用于事件相机语义分割。该框架包含处理事件流的脉冲神经网络（SNN）分支和处理帧图像的人工神经网络（ANN）分支，并设计了自适应时间加权（ATW）注入器、事件驱动稀疏（EDS）注入器和通道选择融合（CSF）模块，以充分融合帧与事件的互补时空信息。 …
查看内容 ↗Deep multi-threshold spiking-UNet for image processing
本文提出Spiking-UNet，将脉冲神经网络与U-Net架构相结合用于图像处理任务。针对脉冲传播导致的信息损失问题，设计多阈值脉冲神经元以增强信息传递能力；同时采用基于预训练U-Net的转换与微调训练策略，有效解决了训练难题。在图像分割和去噪等任务上验证了所提方法的有效性。
查看内容 ↗Deep spiking-unet for image processing
本文提出一种深度脉冲U-Net架构，将脉冲神经网络的生物合理性与U-Net的多尺度特征提取能力相结合，用于图像处理任务。通过脉冲神经元替代传统激活函数，在保持图像处理性能的同时显著降低计算能耗，为低功耗边缘端图像处理提供了新思路。
查看内容 ↗