本文介绍了使用双折射光学亚表面和偏振器马赛克光敏传感器捕获四个光学编码测量结果的系统，用于光学电子不相干滤波的任务，并使用一种新的正则化器应用梯度下降来找到一个可以实现一组用户指定空间滤波器的亚表面。

Jul, 2023

基于 ExtremeC3Net，本文提出了一个大型核心轻量级分割模型 ExtremeMETA，通过探索更大的卷积核和多路径处理来最大化第一卷积层的功能，在三个公开数据集上的实验证明了优化的高效设计在分割任务上改善了性能。

May, 2024

本研究表明，多功能深度神经网络可用于在互动式元表面系统中重建目标信息，并且能够通过依赖电场分布，感知目标的数量和介电常数，并生成具有高精度的高超分辨图像。

May, 2023

通过神经网络的学习算法，本文设计了一种新颖的元表面结构，并结合新型的基于神经元特征的图像重建算法，在全彩超小场景，完成首个高质量的纳米光学成像装置，同时实现最宽的视野和最大的 0.5mm，f/2 光圈。

Feb, 2021

本文介绍了一项将计算成像和超表面光学原理相结合的研究，旨在构建一个具有单个金属透镜的系统，以实现在白光照明下的成像和消除色差像差。该金属透镜表现出一个光谱不变的点扩散函数，可以通过单个数字滤波器重建捕获的图像，同时减少像差和缩小成像系统的光学部件。

Feb, 2018

提出了一种新颖的大卷积核变形材料神经网络（LMNN），通过模型重新参数化和网络压缩来最大化最先进的元件网络（MNN）的数字容量，并明确考虑了光学限制，实验结果证明这种优化的混合设计提高了分类准确性同时减少了计算延迟。

Jul, 2023

基于深度神经网络和元学习的方法，实现在缺少标准数据的情况下，用少量样本进行特定任务的有效训练，并在图像处理和磁共振成像等多个领域展示了方法的有效性。

Nov, 2023

利用自由空间光学前端单元实现第一层的线性操作，然后通过电子方式实现后续层的混合光电架构，在 Kaggle 猫狗挑战数据库中获得了 87% 的图像分类精度。

Dec, 2018

该论文介绍了一种新方法，能够快速适应机器人的多视角视觉运动系统到不同的摄像机配置，利用元学习对感知网络进行微调，同时保持策略网络不变，实验结果表明，所需的新训练次数显著减少以达到基线性能。

Oct, 2023

该论文主要讨论了光学传感器在设计和开发先进驾驶员监控系统和车外前视系统中的应用，侧重于长波红外热成像、近红外、神经形态学 / 事件相机、可见光 CMOS 相机和深度相机等各种光学技术，并探讨了在实时环境中利用每种光学技术的独特优势可能实现的不同潜在应用。

Jul, 2023