机器视觉技术的快速发展影响了各种应用，如医疗设备和自动驾驶系统。然而，这些应用通常需要数字神经网络，其缺点是计算要求高，并且能耗高。因此，当计算资源不足时，实时决策会受到阻碍。近日，范德比尔特大学Jason G. Valentine报道了一种元成像器。

本文要点：

1) 该成像器可与数字后端协同工作，将计算成本高昂的卷积运算转移到高速、低功耗的光学器件中。在这种架构中，元表面能够实现角度和偏振复用，以创建多个信息通道，这些通道在单次拍摄中执行正值和负值的卷积运算。

2) 作者使用该元成像器进行物体分类，在手写数字中实现了98.6%的准确率，在时尚图像中实现了88.8%的准确率。由于其紧凑、高速和低功耗，该方法在人工智能和机器视觉中极具应用前景。

参考文献：

Hanyu Zheng et.al Multichannel meta-imagers for accelerating machine vision Nature Nanotechnology 2024

DOI: 10.1038/s41565-023-01557-2

https://doi.org/10.1038/s41565-023-01557-2