原文链接：https://blog.csdn.net/qq_43622216/article/details/144417919

个人收集精力有限，欢迎各位评论或者私信告知SNN相关论文研究！

目录

说明

这篇博客主要用于记录2025年在一些顶会顶刊（AAAI、CVPR等）上发表的SNN相关的论文，会附上相关论文的链接及简单介绍，正在更新中…
更新SNN相关论文、动态信息，欢迎浏览讨论！

AAAI 2025

• 论文1: Efficient 3D Recognition with Event-driven Spike Sparse Convolution
  • 由中科院自动化所（李国齐团队）、电子科技大学、香港理工大学、时识科技、慧脑智芯等研究人员发表于AAAI 2025。
• 论文2: Spike2Former: Efficient Spiking Transformer for High-performance Image Segmentation
  • 由中科院自动化所（李国齐团队）、北京大学等研究人员发表于AAAI 2025。
• 论文3: CREST: An Efficient Conjointly-trained Spike-driven Framework for Event-based Object Detection Exploiting Spatiotemporal Dynamics
  • 由电子科技大学研究人员发表于AAAI 2025。
• 论文4: FSTA-SNN:Frequency-based Spatial-Temporal Attention Module for Spiking Neural Networks
  • 由浙江大学-伊利诺伊大学香槟分校、浙江大学、大连理工大学等研究人员发表于AAAI 2025。
  • 提出了 Frequency-based Spatial-Temporal Attention (FSTA) module提升SNN性能。
• 论文5: Adaptive Calibration: A Unified Conversion Framework of Spiking Neural Networks
  • 由香港科技大学许人镜课题组、美国西北大学等研究人员发表于AAAI 2025（oral）。
  • Training-Free的ANN-to-SNN conversion同时提升了accuracy, energy efficiency和training cost，支持ResNet, VGG, ViT等多种模型，并支持静态和神经形态数据集的分类, 目标检测, 语义分割, 3D点云分类和3D部分分割等多种任务。
• 论文6: Towards Accurate Binary Spiking Neural Networks: Learning with Adaptive Gradient Modulation Mechanism
  • 由电子科技大学（杨阳、张马路）、诺桑比亚大学等研究人员发表于AAAI 2025。
• 论文7: Spiking Point Transformer for Point Cloud Classification
  • 由中科大、浙江大学、西北工业大学等研究人员发表于AAAI 2025。
  • 提出了Spiking Point Transformer (SPT)用于点云分类，包括Queue-Driven Sampling Direct Encoding (Q-SDE)以及Hybrid Dynamics Integrate-and-Fire(HD-IF) Neuron，混合了IF、LIF、EIF和PLIF。
  • Q-SDT通过先进先出的队列方式保留点云数据中的有价值信息，在多个时间步中逐步覆盖原始点云的不同部分，而非像直接编码那样将所有数据全部重复编码。

IJCAI 2025

ICLR 2025

• 论文1: Rethinking Spiking Neural Networks from an Ensemble Learning Perspective
  • 由电子科技大学左琳老师团队发表于ICLR 2025。
  • 将多时间步长的SNN视为一个集成，其中的每个时间步长是集成中的一个成员。
  • 指出跨时间步长的膜电势差异以及导致的输出差异（过度差异）会负面影响SNN的整体性能。
  • 提出membrane potential smoothing，使用一个可学习的平滑系数对神经元的充电前膜电势进行平滑，从而促进跨时间步长膜电势的一致性。
  • 提出temporally adjacent subnetwork guidance，对相邻时间步长的SNN输出进行蒸馏，促进输出的一致性。
• 论文2: Quantized Spike-driven Transformer
  • 由电子科技大学、中科院自动化所等研究人员发表于ICLR 2025。
  • 直接对spike-driven Transformer v2进行量化后性能大幅退化，指出这是由于量化后的注意力信息呈双峰分布（注意力层退化），spike information distortion (SID) problem。
  • 提出了information-enhanced LIF (IE-LIF) neuron:和fine-grained distillation (FGD)来提升量化后SNN的性能。
  • IE-LIF：训练时产生多比特脉冲，推理时将多比特折叠至多个时间步长中。并且对IE-LIF的膜电势进行修正，促使其更像高斯分布。
  • FGD：对量化后的SNN和对应的ANN Transformer进行蒸馏。
• 论文3: DeepTAGE: Deep Temporal-Aligned Gradient Enhancement for Optimizing Spiking Neural Networks
  • 由多模态信息超智能安全北京市重点实验室、中国科学院大学人工智能学院、上海理工大学信息科学与技术学院等研究人员发表于ICLR 2025。
  • 指出，随着时间步长增大，膜电势分布会逐渐远离阈值，造成梯度不充分。
  • 通过计算第t个时间步长和第1个时间步长的膜电势偏离程度对代理梯度中的膜电势及阈值进行scale，促进远离阈值膜电势的优化。
  • 在SNN中添加多个辅助分类器，逐时间步长地计算交叉熵损失促进梯度传播。
• 论文4: QP-SNN: Quantized and Pruned Spiking Neural Networks
  • 由电子科技大学（杨阳、张马路）、诺桑比亚大学、辽宁工业大学等研究人员发表于ICLR 2025。
  • 指出：SNN中使用均匀量化会由于膜电势分布居中，浪费掉很多比特带宽。提出了weight rescaling strategy提升SNN的量化性能，使用一个scale系数对权重进行缩放，促使其分布更宽从而有效利用比特宽度。
  • 对于结构化（逐通道的）剪枝，对脉冲发射率使用奇异值分解将其分离为重要的和不重要的部分，将不重要的部分剪枝。
• 论文5: Improving the Sparse Structure Learning of Spiking Neural Networks from the View of Compression Efficiency
  • 由大连理工大学、浙江大学等研究人员发表于ICLR 2025。
  • 提出了一个two-stage sparse learning framework。第一阶段根据PQ index自适应决定appropriate rewiring ratio，第二阶段基于自适应的比例进行dynamic sparse structure learning。
• 论文6: Spiking Vision Transformer with Saccadic Attention
  • 由电子科技大学（杨阳、张马路）、诺桑比亚大学、辽宁工业大学等研究人员发表于ICLR 2025。
  • 提出了Saccadic Spiking Self-Attention (SSSA)以及SNN-based Vision Transformer (SNN-ViT)。
• 论文7: Improving the Sparse Structure Learning of Spiking Neural Networks from the View of Compression Efficiency
  • 由西安交通大学、浙江大学、大连理工大学等研究人员发表于ICLR 2025。

ICML 2025

ICCV 2025

CVPR 2025

• 论文1: Towards Effective and Sparse Adversarial Attack on Spiking Neural Networks via Breaking Invisible Surrogate Gradients

  • 由北京大学、中科院微电子研究所等研究人员发表于CVPR 2025。

• 论文2: Temporal Separation with Entropy Regularization for Knowledge Distillation in Spiking Neural Networks

  • 由浙江大学、大连理工大学等研究人员发表于CVPR 2025。
  • Temporal Separation:在每个时间步长内将SNN输出和ANN教师进行蒸馏。
  • Entropy Regularization：计算每个时间步长SNN输出的熵进行正则化。

• 论文3: STAA-SNN: Spatial-Temporal Attention Aggregator for Spiking Neural Networks

  • 由浙江大学、大连理工大学、武汉理工大学等研究人员发表于CVPR 2025。

ACM MM 2025

NeurIPS 2025

ICASSP 2025

• 论文1: DA-LIF: Dual Adaptive Leaky Integrate-and-Fire Model for Deep Spiking Neural Networks

  • 由浙江大学研究人员发表于ICASSP 2025。

• 论文2: Schoenberg Kernel Loss for Spiking Neural Network Training

  • 由佛罗里达大学研究人员发表于ICASSP 2025。

• 论文3: Spiking Transformer with Spatial-Temporal Spiking Self-Attention

  • 由北京大学研究人员发表于ICASSP 2025。

• 论文4: SNNPTrack: Spiking Neural Network Based Prompt for High-Accuracy RGBE Tracking

  • 由西安电子科技大学研究人员发表于ICASSP 2025。

• 论文5: Time-independent Spiking Neuron via Membrane Potential Estimation for Efficient Spiking Neural Networks

  • 由云南大学、北京理工大学等研究人员发表于ICASSP 2025。

• 论文6: Mixed Spiking NeRF: Towards a More Efficient Neural Radiance Fields

  • 由南方科技大学研究人员发表于ICASSP 2025。

• 论文7: Memory-Free and Parallel Computation for Quantized Spiking Neural Networks

  • 由电子科技大学研究人员发表于ICASSP 2025。

• 论文8: ECSNN: Spiking Neural Networks for Efficient Exposure Correction in Endoscopy Imaging

  • 由中国科学院、中山大学等研究人员发表于ICASSP 2025。

• 论文9: SPTU-Lite: An Efficient Auxiliary Diagnostic Approach Combining Spiking Neural Networks And Large Kernel Extractors For ECG Signals

  • 由北京理工大学、北京遥感装备研究所等研究人员发表于ICASSP 2025。

• 论文10: Two-Stream Spiking Neural Network for Event-based Action Recognition

  • 由华为云、新加坡国立大学、浙江大学等研究人员发表于ICASSP 2025。

• 论文11: Spiking Generative Models Based on Variational Autoencoder and Adversarial Training

  • 由广东省/珠海市IRADS重点实验室、北京师范大学、华侨大学等研究人员发表于ICASSP 2025。

• 论文12: TFS: Revisiting Temporal Language Grounding from Frequency Spiking Perspective

  • 由中国科学院大学、国防科技大学等研究人员发表于ICASSP 2025。

• 论文13: Dynamic SpikFormer: Low-Latency & Energy-Efficient Spiking Neural Networks with Dynamic Time Steps for Vision Transformers

  • 由凯斯西储大学、南加州大学等研究人员发表于ICASSP 2025。

• 论文14: Robust and Efficient Adversarial Defense in SNNs via Image Purification and Joint Detection

  • 由中国科学技术大学研究人员发表于ICASSP 2025。

• 论文15: Optimization of Chirality Variation in Carbon Nanotube Field Effect Transistor Spiking Neurons

  • 由路易斯安那大学拉斐特分校、密西西比大学、阿苏特大学等研究人员发表于ICASSP 2025。

• 论文16: Fully Spiking Neural Network for Legged Robots

  • 由纽约大学、杜克大学、香港科技大学（广州）等研究人员发表于ICASSP 2025。

  • 论文17: SpikingPoint: Rethinking Point as Spike for Efficient 3D Point Cloud Analysis

  • 由北极大学研究人员发表于ICASSP 2025。

本文出自于CSDN-lan人啊，转载请注明！