CSIG技术发明奖授予在我国图像图形领域基础研究和应用基础研究中阐明自然现象、特征和规律，做出重大科学发现的个人和团队。

为宣传科技工作者积极进取的工作精神，聚焦获奖团队背后的故事，学会近日对荣获2024年度CSIG技术发明奖二等奖“低延迟多源超眼计算成像系统关键技术及应用”的项目团队进行了专访，以对话的形式，为读者们提供一次了解他们的机会。

下面就跟着我们的脚步，走近今天的受访团队吧。

问题一：首先非常感谢各位老师接受我们的采访，请先介绍一下团队成员：

复旦大学微电子学院范益波教授，其团队一直致力于视频图像、人工智能、硬件架构与SoC芯片设计研究。出版专著2部，发表学术论文140 多篇,取得发明专利50多项。获得上海市“东方学者”特聘教授、浙江省“钱江特聘专家”等。团队提出了十亿级像素视频处理方法及芯片与系统架构，奠定了超眼相机系统研制基础；先后研发3亿、5亿、10亿像素超眼相机，以及基于超眼相机的视频检测与识别硬件芯片，其技术处于国内领先地位；其次，研发了系列视频与图象专用硬件处理器，包括xk264、xk265视频编码处理器IP核、xkISP图像处理器IP核、xkDLA神经网络处理器IP核、以及微秒级超低延迟、视觉无损的视频编解码芯片。出版专著一部--《视频编解码芯片设计原理》（为国内视频编码处理器领域第一本专著），在学术界和工业界产生了广泛的影响。团队在超眼计算成像、视频编解码处理器技术、图象ISP处理器技术领域居于国际领先地位。

问题二：了解完了团队内的各位老师，请为大家简单的介绍一下项目的情况：

团队研制的低延迟超眼计算成像技术突破目前软件及硬件平台都无法同时取得广域高分辨率和高实时性性能这一重大瓶颈，解决了低重合度高通道数全天候场景下的计算成像难题、多源传感器多视角多尺度下的联合校标难题、非结构化像感器阵列面临图像画质数据融合和算法算力瓶颈和全链路视觉算法开发难的问题，在我国第一次实现了全链条自主创新的亿级像素计算视觉核心技术、产品及其应用系统，攻克了在大场景军/民用航空、高铁、军工等领域的数字化智能系统的空白，并获得技术领先和市场占有率的优势，为数字中国战略提供了广域智能感知的技术底座。

问题三：请问各位老师在科研过程中，有没有什么好的方法可以推荐给大家？

1) 聚焦核心问题，明确研究目标：针对国内技术空白领域，明确低延迟、广域高分辨率与高实时性性能的兼得的痛点，从而聚焦于亟待解决的核心技术难题。

2) 整合跨领域技术，提升协同效应：针对多源传感器、多视角和多尺度的复杂场景，采用软硬件协同设计方法，同时注重数据流融合与算法优化的全链路设计，以突破算力与图像质量的瓶颈。

3) 开源开放，实现全链条自主创新：推动技术的开源和开放，消化吸收已有技术，开源开放创新技术，形成开放的领域技术生态，最终实现从核心技术研发到产品化、系统化的全链条自主创新。

在科研实践中，这种问题导向、跨领域协同、开源开放的方法，能够有效推动领域发展，为解决行业瓶颈提供创新路径。

问题四：在项目的研究过程中有遇到什么困难吗？大家是如何解决的？

亿像素数据处理、实时性要求和多任务并行计算时，所需的计算资源和内存带宽也成倍增加。这对于传统计算平台来说，处理效率和响应速度往往难以满足实时性要求，尤其会存在下面的算力瓶颈：

a) 内存带宽瓶颈：处理大规模图像数据或视频流时，内存带宽成为一个重要瓶颈。尤其是在高分辨率图像、视频处理以及深度学习中，需要快速读取和写入大量数据，如果内存带宽无法跟上计算速度，将导致处理延迟和效率低下。

b) 响应速度瓶颈：传统的计算平台可能无法支持同时处理多个复杂任务，特别是在高通道数和高重合度的全天候场景下，如何实现高效的响应处理就成了瓶颈。

c) 并行性受限：虽然多核CPU、GPU等提供了更强的并行计算能力，但许多算法（特别是某些图像处理和计算成像算法）本身的并行性较差，导致无法充分利用硬件资源，造成算力浪费。

本项目突破目前软件及硬件平台都无法同时取得广域高分辨率和高实时性性能这一重大瓶颈，综合考虑计算资源、存储、带宽、延迟、算法优化等多个方面，采取软硬件协同的方式，来最大化算力利用率并克服这些瓶颈，解决了低重合度高通道数全天候场景下的计算成像难题、多源传感器多视角多尺度下的联合校标难题、非结构化像感器阵列面临图像画质数据融合难题。

问题五：最后，大家有什么获奖感言想说呢？

衷心感谢图象图形学会对我们团队工作的认可，我们团队克服了低延迟超眼计算成像技术中的瓶颈，突破了计算成像、数据融合、算法算力等方面的挑战，最终实现了技术的集成与创新。这些成就的取得，不仅是技术的胜利，更是团队协作和创新精神的体现。借此契机，我首先要感谢每一位团队成员，是大家的坚韧努力和让我们取得了创新的成果；其次要感谢一直在背后支持我们的专家和领导，为我们团队提供了极好的科研指导、研究平台和经费支持；最后，再次感谢图象图形学会的各位专家对我们工作的认可，我们还将继续努力，在视频图象与AI的软硬件协同领域，继续探索前沿技术，争取取得更多成果。