从数据生成阶段开始降低功耗的新一代端侧人工智能视觉技术问世
本科生主导论文发表于国际期刊《Nanophotonics》并入选封面论文

 

高丽大学世宗校区（副校长 梁智云）电子与信息工程系崔文·巴德洛（音）教授与智能半导体工程系李贤根（音）教授联合研究团队，成功开发出融合超透镜（Metalens）与压缩感知（Compressive Sensing, CS）半导体图像传感器的新一代成像系统，实现了超低功耗、高速、低数据量的边缘检测功能。

 

该研究的意义在于，从数据生成阶段即减少人工智能视觉系统在处理大规模图像数据时产生的功耗与数据瓶颈问题。不同于传统将完整图像传输后再进行数字运算的方式，研究团队提出在光到达传感器的过程中高效提取所需信息的全新方法。

 

研究成果发表于光学与纳米材料领域国际期刊《Nanophotonics》（影响因子6.6，JCR前15%），并被选为封面论文（Front Cover）。值得关注的是，该研究由当时电子与信息工程系四年级本科生尹世珍（音）主导完成。

论文题目：《用于超低功耗边缘检测的混合超透镜—压缩感知成像系统》

(Hybrid Metalens–Compressive Sensing Imaging System for Ultra-Low-Power Edge Detection, Nanophotonics 2026, nap2.70079）

 

边缘检测是提取图像中物体边界的关键技术，是目标识别、自动驾驶、机器人视觉等机器视觉系统的重要前处理步骤。然而传统数字方式需将传感器获取的全部图像数据传输至处理单元后进行算法运算，导致功耗高且在传感器与处理器之间产生数据瓶颈。在4K、8K等超高分辨率图像需实时处理的应用领域，分辨率提升往往伴随处理时间与功耗的增加。

 

为解决上述问题，研究团队提出了结合螺旋型超表面透镜（Spiral Metalens）与压缩感知CMOS图像传感器（CS-CIS）的系统级光电协同设计方案。

 

该技术通过基于超材料的透镜精确控制光的相位，在无需额外数字运算的情况下以光速提取边缘信息；随后通过压缩感知图像传感器仅获取压缩后的关键信息，大幅降低数据量与功耗，同时实现高速成像。研究团队最终仅使用原始数据的12.5%，便实现了每秒6,248帧的边缘图像获取速度。该性能较传统相机提升数百倍，验证了超低功耗高速边缘检测成像系统的可行性。

 

研究团队表示，该技术未来可应用于自动驾驶车辆实时目标识别、移动及可穿戴设备低功耗视觉传感器、机器人视觉以及工业缺陷检测等领域。此外，若结合可重构超表面技术，有望扩展为可根据不同场景改变功能的自适应相机系统。

 

本研究由高丽大学世宗校区智能半导体工程系尹世珍（音）（第一作者）、金河成（音）（共同作者）参与完成，李贤根（音）教授与崔文·巴德洛（音）教授担任通讯作者并指导研究。

 

尹世珍（音）表示：“通过将超表面透镜的光学计算能力与压缩感知图像传感器的数据高效性整合并优化于同一系统中，实现了以往难以兼顾的超低功耗与高速高性能。”

 

崔文·巴德洛（音）教授与李贤根（音）教授表示：“本科阶段启动的研究能够在国际顶级期刊上以封面论文形式发表，具有重要意义。本次混合成像平台提出了融合光学与半导体技术的新型视觉系统，为下一代端侧人工智能视觉系统的商业化奠定了重要技术基础。”

 

该研究获得高丽大学校内研究经费（K2515331）、韩国产业通商资源部与韩国产业技术振兴院（KIAT）产业创新人才成长支援项目（RS-2025-02215617）、产业通商资源部与韩国产业技术企划评价院（KEIT）“炼金术士项目”（1415185027, 20019169）、教育部及世宗特别自治市支持的RISE项目（2025-RISE-08-001），以及科学技术信息通信部与信息通信企划评价院（IITP）ITRC项目（RS-2026-25520273）资助。

 

高丽大学世宗校区宣传集资部

翻译：赵炫怡