据外媒报道，由香港大学（University of Hong Kong，HKU）工程学院计算机科学系及电机电子工程系潘佳教授与彭祎帆教授领导的研究团队最近成功研发革命性的神经形态曝光控制（NEC）系统，为极端光照变化下的机器视觉带来突破性进展。这项成果已发表于国际学术期刊《自然通讯》（Nature Communications）。NEC系统的仿生设计灵感源自人类外围视觉机制，在动态感知环境中实现了前所未有的反应速度与稳定性。

图片来源：香港大学

传统自动曝光（AE）系统依赖影像回馈迭代调节，这会导致调节滞后的问题，令系统在突发性光照突变的场景（如进出隧道、眩光干扰）表现未如理想。研究团队创新地将事件相机（一种触发异步“事件”讯号的传感器）结合一并发明的三重事件积分（TEDI）算法，提出了神经形态曝光控制系统（NEC）。NEC系统具有卓越的效率，单一CPU即可实现每秒1.3亿事件处理能力，更支持边缘设备部署。

“如同人类瞳孔会瞬间适应光线一样，NEC系统仿真了视网膜双通路协同工作机制，”论文第一作者林诗杰先生阐释道。“透过融合事件流与物理光照计算，我们突破了传统技术瓶颈，可稳定预测辐照度和更新曝光参数。”

研究团队在关键应用场景中验证了该系统效能：

• 自动驾驶：车辆进出隧道遭遇强烈眩光时，目标侦测平均精确度平均值（mAP）提升47.3%

• 增强现实（AR）：手术灯环境下的手部追踪时，姿态估计准确率（PCK）提升11%

• 三维（3D）重建：在曝光过度的环境，且传统方法失效的情况下，进行持续精确的SLAM建图

• 医疗AR辅助：在聚光灯不停调校的情况下，仍可保持清晰视像，以进行手术

潘教授表示：“这一突破代表了机器视觉的重大飞跃，它弥合了生物学原理和计算效率之间的差距。NEC系统不仅解决了传统曝光控制的局限性，还为从自动驾驶汽车到医疗机器人等实际应用中更具适应性和弹性的视觉系统铺平了道路。”

图片来源：香港大学

彭教授评论说：“我们的合作工作在推动神经形态工程的界限方面发挥了重要作用。通过利用基于事件的传感和生物启发算法，我们创建了一个不仅速度更快，而且在极端条件下更强大的系统。这证明了跨学科研究在解决各种复杂工程挑战方面的力量。”

潘佳教授表示：“这项研究实现了机器视觉领域的重大跨越，把生物学原理与计算效率相结合。NEC系统不仅突破了传统曝光控制的技术局限，更为把自动适应视觉系统应用于自动驾驶以至医疗机器人等现实场景开辟了新路径。”

图片来源：香港大学

彭祎帆教授指：“跨学科合作大力推动了神经形态工程的发展。透过结合事件感知与仿生算法，我们构建出兼具高速反应与极端环境稳健性的系统，充分彰显跨学科研究在应对复杂工程挑战中的独特价值。”

长远而言，NEC范式开创了全新以事件作为框架的处理模式，既可减少高分辨率事件/影像的处理负荷，也将生物合理性原则融入机器视觉的底层控制。这项突破为摄像头设计、系统控制及下游算法提供了全新思路。研究团队在多种系统中体现神经形态协同效应，实为一项重要的里程碑，不仅为光学、影像及神经形态处理技术链带来启发，更反映研究具有显著的产业经济价值与实际影响。