本文提出使用 Quanta Image Sensors 进行低光动态场景成像的方法，并给出新的图像重建算法，通过运用一个学生 - 教师训练协议将运动教师和去噪教师的知识传递到学生网络中，实现对低光动态场景进行像素水平下 1 光子每像素每帧的成像重建，和现有方法相比，在低光成像中具有更好的性能。

Jul, 2020

本文介绍了一种具有单光子探测能力的彩色图像重建方法，通过一种定制的联合去马赛克 - 去噪声算法，此算法利用截尾泊松统计和方差稳定变换，支持单比特和多比特光子计数功能，实现了在极低光照条件下的卓越彩色成像性能。

Mar, 2019

本文研究了基于单光子检测器的 Quanta 图像传感器，通过提出一种空间变化的阈值优化设计框架，实现对重建图像信噪比的提高，不仅从理论上证明了基于背景强度的最优阈值设计方案，还通过实验展示了该方法的收敛速度优于现有方法。

Apr, 2017

本文介绍了一种使用 Quanta Image Sensors 对暗光环境下的图像进行分类的解决方案，利用学生 - 教师学习方案可以实现每个像素仅有 1 个或更少光子的情况下的图像分类，实验结果验证了该方法的有效性。

Jun, 2020

本研究旨在实现将深度学习模型直接部署在传感器上，提出了 “Q-Segment” 量化实时分割算法，并在两个低功耗边缘视觉平台上进行综合评估，该模型目标是实现基于血管的医学诊断的端到端图像分割。在 IMX500 平台上部署，Q-Segment 在传感器内仅需 1.9 毫秒的超低推理时间和仅需 5.7 毫焦耳的能耗。与现有网络相比较，该网络采用编码器 - 解码器结构与跳跃连接，性能优于给定的各平台 75 倍（相对于 ERFNet）。在 CHASE 数据集上，该网络具有 97.25% 的二进制准确率和 96.97% 的接收器操作特征曲线下的面积。此研究为边缘图像分割提供了有价值的见解，并为适用于低功耗环境的高效算法奠定了基础。

Dec, 2023

本文探索从单个光子相机的二进制帧生成彩色图像的可能性，通过神经常微分方程（Neural ODE）下的曝光合成模型创新，产生一系列曝光连续变化的二进制图像，从而实现着色器的一致曝光，提高了着色效果。

Mar, 2024

通过硬件加速的集成光电平台，在实时应用中进行多维视频理解，实现了 1.2 Tb/s 的数据处理速度，超过了同类光谱分辨率的技术数个数量级，为实时人工智能视频理解的多维视觉信息研究开辟了新的道路。

Dec, 2023

本篇论文提出了一种新的相机图像传感器，采用二进制响应技术，通过量化泊松统计方法来提高图像采集的性能，从而可能在高动态范围摄影等领域有应用前景。

Jun, 2011

该研究探讨了在嵌入式计算机视觉中硬件加速和图像信号处理在能效方面的问题，并提出了一种通过在成像流水线中引入配置性的创新图像传感器设计以提高能效的方法。

May, 2017

本文提出了一种硬件限制感知、极其轻量级、量化鲁棒、实时超分辨率网络 (XLSR)，它是一种受到 root 模块的启发，旨在解决单图像超分辨率问题的建模方法，并在 Div2K 验证集上取得了超过 VDSR 的成果，在 2021 年移动 AI 实时单图像超分辨率挑战赛中得胜。

May, 2021