智能加速实验室
智能加速实验室专注于高效人工智能 (Efficient AI) 算法与系统的技术创新，针对边缘计算、具身智能、视频安防、智能制造等领域在实时性和低功耗的需求，开展理论算法和关键技术的研究。实验室重点聚焦于神经网络压缩与轻量化方法，面向基础视觉模型、大语言模型、多模态大模型及视频生成模型等进行全方位软硬件优化，研发模型量化、模型稀疏、动态推理、高效注意力机制等关键算法。
智能加速实验室的研究工作得到了国家科技重大项目、国自然基金项目、中科院重点仪器项目等基金的资助和支持，并且研究成果在工业、军事和医疗等领域中得到了广泛的应用，产生了显著的社会与经济效益。核心技术和算法已在人工智能、计算机视觉、机器学习等领域国际期刊和会议上发表论文100余篇，获得国际及国家发明专利50余项。
研究简介
面向基础视觉模型、大语言模型、多模态大模型及视频生成模型等，研究神经网络压缩与轻量化方法，包括模型量化、模型稀疏、动态推理、高效注意力机制等。团队研发了国际首个视觉Transformer无数据量化算法，以及国际首个视觉Transformer纯整数量化算法。团队在该方向上与加州大学伯克利分校、新加坡国立大学等海外高校建立稳定的学术合作和交流。
智能加速团队长期从事实时高速视觉系统的开发，包括多个先端高速相机功能的开发，同时探索实时高速视觉在医疗、机器人、工业等领域的应用前景，积累了丰富的视觉算法研发及设备开发经验。自主开发了国内最先进的实时高速视觉平台，可以用于多种实时硬件图像处理算法的设计及实现。
包括人体极速扫描设备与3D数字人、活猪三维重建设备与智慧养殖。团队研发的3D人脸重建产品已经投入量产，模型质量达到影视级数字人3D效果，纤毫毕现。团队研发了一套活猪高速三维重建与点云分析系统，基于结构光三维重建和交叉同步投影技术、点云处理技术、深度学习技术实现对活猪的实时高速三维重建。
代表论文
(2025).
CacheQuant: Comprehensively Accelerated Diffusion Models.
In CVPR 2025.
(2025).
DilateQuant: Accurate and Efficient Diffusion Quantization via Weight Dilation.
In ACM MM 2025.
(2025).
K-sort arena: Efficient and reliable benchmarking for generative models via k-wise human preferences.
In CVPR 2025.
(2024).
DilateQuant: Accurate and Efficient Diffusion Quantization via Weight Dilation.
In arxiv preprint.
(2024).
LLM Inference Unveiled: Survey and Roofline Model Insights.
In arxiv preprint.
(2024).
RepQuant: Towards Accurate Post-Training Quantization of Large Transformer Models via Scale Reparameterization.
In arxiv preprint.
(2024).
EDA-DM: Enhanced distribution alignment for post-training quantization of diffusion models.
In arxiv preprint.
(2023).
PSAQ-ViT V2: Towards Accurate and General Data-Free Quantization for Vision Transformers.
In TNNLS 2023.