多模态与类脑智能计算
实验室简介
核心研究方向
1
弹性记忆网络（EMN）架构创新
首创时空高效的弹性记忆网络框架，通过参数压缩与映射的创新架构，在保持模型精度的同时，大幅模型提升推理速度，显著降低硬件资源消耗。
2
多模态协同学习
探索视觉-语言-音频的联合表示学习，构建跨模态自监督预训练模型，为智能医疗诊断、工业质检、自动驾驶等场景提供统一感知解决方案。
3
图像去噪与增强
研发新一代基于深度学习的图像复原算法，针对低光照、医学影像、遥感图像等复杂场景，实现高保真噪声抑制与细节重建。
研究成果与影响
实验室成果发表于CVPR/MM等顶级会议，并与多家科技企业建立联合实验室，推动算法在真实场景的产业化落地。团队秉持"理论突破-算法创新-应用驱动"三位一体的研究理念，持续培养具备国际竞争力的AI研发人才。
20+
顶刊顶会论文
5+
企业合作项目
10+
专利申请