开大纯 | ViLab

祝贺实验室科研成果发表于 AAAI 2026！

Sat, 14 Mar 2026 00:00:00 +0000

热烈祝贺开大纯同学！论文《Seeing the unseen: Zooming in the dark with event cameras》已发表在 AAAI 2026。

Seeing the unseen: Zooming in the dark with event cameras

祝贺开大纯同学！该论文已发表在 AAAI。

作者： Dachun Kai、Zeyu Xiao、Huyue Zhu、Jiaxiao Wang、Yueyi Zhang、Xiaoyan Sun
发表载体： AAAI
发表时间： 2026年3月14日
相关链接： 论文链接 · PDF · 代码

论文介绍

本文提出RetinexEVSR，首个事件驱动的低光视频超分辨率框架。该框架利用高对比度事件信号与Retinex先验，通过双向跨模态融合策略，有效整合噪声事件数据与退化RGB帧中的有用信息。其中，照明引导事件增强模块利用Retinex模型导出的光照图逐步细化事件特征，抑制低光伪影并保留高对比度细节；事件引导反射率增强模块则通过多尺度融合机制动态恢复反射率细节。实验表明，该方法在三个数据集上达到最优性能，在SDSD基准上相比先前事件方法提升2.95 dB，并减少65%运行时间。

祝贺实验室科研成果发表于 IEEE TPAMI！

Mon, 02 Feb 2026 00:00:00 +0000

热烈祝贺开大纯同学！论文《EvTexture++: Event-Driven Texture Enhancement for Video Super-Resolution》已发表在 IEEE TPAMI。

EvTexture++: Event-Driven Texture Enhancement for Video Super-Resolution

祝贺开大纯同学！该论文已发表在 IEEE TPAMI。

作者： Dachun Kai、Jiayao Lu、Yueyi Zhang、Xiaoyan Sun
发表载体： IEEE TPAMI
发表时间： 2026年2月2日
相关链接： 论文链接 · PDF · 代码

论文介绍

本文提出EvTexture++，一种事件驱动的视频超分辨率纹理增强框架。与以往将事件用于运动估计不同，该方法利用事件的高频时空细节显式恢复纹理，通过定制纹理增强分支和迭代纹理增强模块，逐步挖掘高时间分辨率事件信息，实现纹理区域的渐进细化，从而生成更精确、细节更丰富的高分辨率视频。该框架还可作为即插即用模块提升现有VSR模型性能。

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

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

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

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。