脉冲神经网络 | ViLab

Efficient spiking point mamba for point cloud analysis

Sun, 19 Oct 2025 00:00:00 +0000

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 (SMB) 来学习跨时间步特征并减少脉冲信息丢失。此外，采用非对称 SNN 训练策略进一步提升性能。SPM 可作为高效骨干网络，适用于点云分类、部件分割与重建等任务。

祝贺实验室 2 项科研成果发表在ICCV 2025！

Sun, 19 Oct 2025 00:00:00 +0000

热烈祝贺陈杰同学、吴沛熹同学！近期，实验室共有 2 项科研成果正式发表在ICCV 2025。

Dash: 4d hash encoding with self-supervised decomposition for real-time dynamic scene rendering

祝贺陈杰同学！该论文已发表在 ICCV。

作者： Jie Chen、Zhangchi Hu、Peixi Wu、Huyue Zhu、Hebei Li、Xiaoyan Sun
发表载体： ICCV
发表时间： 2025年10月19日
相关链接： 论文链接 · PDF · 代码

论文介绍

本文提出DASH，一种实时动态场景渲染框架，采用4D哈希编码结合自监督分解。针对现有平面基动态高斯溅射方法因低秩假设导致特征重叠和渲染质量差的问题，DASH通过自监督分解机制分离动态与静态组件，无需人工标注或预计算掩码，并引入多分辨率4D哈希编码器对动态元素进行显式表示，避免低秩约束，从而减少哈希冲突和冗余，实现高质量实时渲染。

Efficient spiking point mamba for point cloud analysis

祝贺吴沛熹同学！该论文已发表在 ICCV。

作者： Peixi Wu、Bosong Chai、Menghua Zheng、Wei Li、Zhangchi Hu、Jie Chen、Zheyu Zhang、Hebei Li、Xiaoyan Sun
发表载体： ICCV
发表时间： 2025年10月19日
相关链接： 论文链接 · PDF · 代码

论文介绍

Efficient event-based semantic segmentation via exploiting frame-event fusion: A hybrid neural network approach

Fri, 11 Apr 2025 00:00:00 +0000

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。在DDD17-Seg、DSEC-Semantic和M3ED-Semantic数据集上取得了最先进精度，并在DSEC-Semantic上降低63%能耗。

Spiking point transformer for point cloud classification

Fri, 11 Apr 2025 00:00:00 +0000

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依赖。在多个真实与合成点云基准上取得领先结果，理论能耗较ANN对应模型降低至少6.4倍。

祝贺实验室 3 项科研成果发表在 AAAI 2025！

Fri, 11 Apr 2025 00:00:00 +0000

热烈祝贺开大纯同学、李和倍同学、吴沛熹同学！近期，实验室共有 3 项科研成果正式发表。

Event-enhanced blurry video super-resolution

祝贺开大纯同学！该论文已发表在 Proceedings of the AAAI Conference on Artificial Intelligence 39 (4), 4175-4183。

作者： Dachun Kai、Yueyi Zhang、Jin Wang、Zeyu Xiao、Zhiwei Xiong、Xiaoyan Sun
发表载体： Proceedings of the AAAI Conference on Artificial Intelligence 39 (4), 4175-4183
发表时间： 2025年4月11日
相关链接： 论文链接 · PDF · 代码

论文介绍

In this paper, we tackle the task of blurry video super-resolution (BVSR), aiming to generate high-resolution (HR) videos from low-resolution (LR) and blurry inputs. Current BVSR methods often fail to restore sharp details at high resolutions, resulting in noticeable artifacts and jitter due to insufficient motion information for deconvolution and the lack of high-frequency details in LR frames. To address these challenges, we introduce event signals into BVSR and propose a novel event-enhanced network, Ev-DeblurVSR. To effectively fuse information from frames and events for feature deblurring, we introduce a reciprocal feature deblurring module that leverages motion information from intra-frame events to deblur frame features while reciprocally using global scene context from the frames to enhance event features. Furthermore, to enhance temporal consistency, we propose a hybrid deformable alignment module that fully exploits the complementary motion information from inter-frame events and optical flow to improve motion estimation in the deformable alignment process. Extensive evaluations demonstrate that Ev-DeblurVSR establishes a new state-of-the-art performance on both synthetic and real-world datasets. Notably, on real data, our method is 2.59 dB more accurate and 7.28× faster than the recent best BVSR baseline FMA-Net.

Efficient event-based semantic segmentation via exploiting frame-event fusion: A hybrid neural network approach

祝贺李和倍同学！该论文已发表在 AAAI 39(17)。

作者： Hebei Li、Yansong Peng、Jiahui Yuan、Peixi Wu、Jin Wang、Yueyi Zhang、Xiaoyan Sun
发表载体： AAAI 39(17)
发表时间： 2025年4月11日
相关链接： 论文链接 · PDF

论文介绍

Spiking point transformer for point cloud classification

祝贺吴沛熹同学！该论文已发表在 AAAI 39(20)。

作者： Peixi Wu、Bosong Chai、Hebei Li、Menghua Zheng、Yansong Peng、Zeyu Wang、Xuan Nie、Yueyi Zhang、Xiaoyan Sun
发表载体： AAAI 39(20)
发表时间： 2025年4月11日
相关链接： 论文链接 · PDF · 代码

论文介绍

Deep multi-threshold spiking-UNet for image processing

Fri, 14 Jun 2024 00:00:00 +0000

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。

Deep spiking-unet for image processing

Sun, 01 Jan 2023 00:00:00 +0000

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。