文章导读
传统人工视觉系统“先感知、后计算”的无差别采集模式，正成为边缘智能设备实时性与能耗的最大瓶颈。受蝴蝶偏振视觉启发，华中科技大学团队首次提出“注意力驱动传感器内选择性计算”新范式，让视觉信息在感知前端就完成主动筛选，只处理感兴趣目标。在语义分割任务中，人造目标识别准确率达97.57%，背景筛除率达99.56%。这一突破能否让机器真正学会“只看该看的”，终结数据冗余噩梦？
— 内容由好学术AI分析文章内容生成，仅供参考。
（通讯员 李渊）近日，我校材料学院、纺织新材料与先进加工技术全国重点实验室翟天佑-李渊团队在类脑视觉传感领域取得重要突破，相关成果发表于国际著名期刊Nature Sensors。论文题目为“Attention-Driven In-Sensor Selective Computing”。
随着人工智能、自动驾驶、机器人等技术的快速发展，人工视觉系统每天需要处理海量视觉信息。现有人工视觉系统通常采用“先感知、后计算”的模式，对场景中的所有信息进行无差别采集，再依赖后端算法进行识别与分析，造成大量冗余数据传输和计算，成为限制边缘智能设备实时性和能耗的重要瓶颈。近年来，感算融合技术和动态视觉传感器虽显著提升了人工视觉性能，但仍难以实现像生物一样“只看感兴趣目标、忽略无关信息”的主动选择性感知。
针对这一国际难题，研究团队受蝴蝶偏振视觉注意力机制启发，首次提出“注意力驱动的传感器内选择性计算（Attention-Driven In-Sensor Selective Computing）”全新范式，成功研发出注意力视觉传感器（Attention Vision Sensor，AVS）。该器件将偏振感知、信息存储和类脑计算高度集成于单个器件中，使视觉信息能够在感知前端完成主动筛选，仅对感兴趣目标进行选择性感知与计算，从源头减少数据冗余，为人工视觉提供了一种全新的硬件架构。
注意力驱动的传感器内选择性感知新范式
研究团队利用二维各向异性半导体独特的偏振响应特性，构建了兼具偏振感知与光电突触功能的注意力视觉传感器。器件不仅能够模拟蝴蝶视觉系统对偏振方向和偏振度的双重响应，还具有优异的稳定性和一致性。基于所构建的AVS阵列，研究团队首次实现了偏振相位驱动和偏振度驱动两种仿生选择性感知模式，可在复杂自然背景下主动突出目标信息、抑制背景干扰。在语义分割任务中，系统对人造目标识别准确率达到97.57%，对自然背景筛除率达到99.56%，充分验证了该新型视觉硬件在边缘人工智能中的应用潜力。
注意力视觉传感器及阵列实现选择性感知与识别
该研究首次将生物注意力机制引入类脑视觉硬件，实现了人工视觉从“全部采集、后续筛选”向“前端选择、按需感知”的范式转变，为下一代低功耗、高效率人工视觉系统提供了新的实现思路。未来，该团队将进一步拓展高分辨率视觉阵列和晶圆级集成技术，并进一步融合人类高级视觉注意力机制，推动机器实现更加智能的环境理解能力，为机器人、自动驾驶、智能制造及具身智能等领域提供新型类脑视觉硬件基础。
我校为该论文第一完成单位，材料学院博士生欧阳德才为第一作者，翟天佑教授、李渊教授为通讯作者。本研究得到国家自然科学基金、国家重点研发计划等项目资助。
【文章链接】https://www.nature.com/articles/s44460-026-00114-3
编辑：刘雪茹
来稿审核：孙伟
审核：万霞、史梦诗
审定发布：詹健
© 版权声明
本文由分享者转载或发布，内容仅供学习和交流，版权归原文作者所有。如有侵权，请留言联系更正或删除。
相关文章
97.57%的识别率，边缘设备直接跑起来？
自动驾驶用这个应该能省不少功耗
蝴蝶偏振视觉这个灵感来源太妙了