面向日常视觉处理的超薄光学智能表面

当前大型人工智能（AI）视觉模型虽然性能出色，但计算量巨大，难以部署在手机、摄像头、无人机等资源受限的边缘设备上。光学神经网络（ONN）理论上能利用光的天然并行性，显著降低能耗和延迟，但现有方案难以扩展，只能处理简单任务——因为物理光学系统很难精确复现数字AI中复杂的代数运算。本研究另辟蹊径，不再强求光学硬件完全模仿数字计算，而是将计算机视觉最本质的三大原理——基于相似性的识别、注意力引导的感知、细节与上下文融合——直接‘编织’进一块大规模光学超构表面中。通过让光学物理规律与视觉认知原理深度协同，团队构建出首个兼具高精度、通用性和可扩展性的光电混合视觉引擎。整套系统由两部分组成：前端是4100万参数的光学超构表面芯片，负责在光域快速提取关键视觉特征；后端是专门协同设计的仅8.7万参数的超轻量数字芯片，负责高效完成最终判断。实测表明，该系统在物体检测、图像分割、三维重建和视频理解等多项复杂任务上，性能超过许多参数达数千万的纯数字模型。团队还成功研制出可实际部署的原型机，在自然光照下的真实户外场景中实现了毫秒级实时视觉处理。这项工作为在复杂现实环境中实现低功耗、低延迟、高精度的‘端侧智能视觉’提供了切实可行的新路径。