資訊工程專題優秀成果精選

文稿整理／王凱俐、林珮雯

 

在本院師生的共同努力下，資訊工程專題成果屢獲肯定。去（113）年度，黃敬群教授指導之吳宜靜同學，以及吳毅成教授指導之陳姸沂同學，雙雙榮獲國家科學及技術委員會「113 年度大專學生研究計畫研究創作獎」，展現本院學生在研究與創作上的卓越實力。今年，我們特別節錄部分優秀專題作品加以介紹，延續專題成果的光榮傳統，亦期待激勵更多同學投入創新研究。

 

特優

專題題目：Bringing Paintings to Life: 3D Scene Generation from Artistic Paintings
學生姓名：蔡芳慈、陳奕
指導教授：林文杰
專題介紹：
本研究開發了一套自動化系統，能夠在短時間內將各類畫作轉換為 3D 虛擬實境（VR）場景。系統整合語意分割、深度估計、圖像補全等多項 AI 模型，並透過Triplane Gaussian Splatting 技術進行3D重建，還原畫作的空間層次。最終，自動化匯入 Unity 引擎，生成可自由探索的 VR 場景。整體系統不需人工建模，即可在 60 分鐘內完成一個 3D VR 場景的生成。使用者能自由漫遊於各種畫作風格的虛擬世界，體驗融合視覺藝術與空間感知的創新互動方式。本研究可廣泛運用在文化保存、遊戲開發與藝術推廣領域。

 

特優

專題題目：Multi-Drones Automatically Pick & Place
學生姓名：張家睿、陳晉祿、黃皓君
指導教授：陳奕廷
專題介紹：
在人類無法或不宜直接進入的危險環境，例如高溫火場，自主無人機能代替人員快速偵察、投遞急需物資與回傳資訊，降低救援風險並爭取黃金救援時間。我們的內容有自動化無人機系統，多機協同控制技術，精準pick & place，比較特別的地方，是因應我們的使用場景，這裡使用室內定位，而非GPS。除了研究之外，我們參加了Singapore Amazing Flying Machine Competition，HCIS Lab與陽交大無人機社及創客社合作，成功在D2組獲得了第四名的成績。在過程中我們建立模擬環境，實現4臺無人機同時pick & place，並且部分功能有成功應用在真實世界中。

優等

專題題目：Gaussians Harmonizer: Recolorization for Consistent Appearance in Composite 3D Gaussian Splatting Scene
學生姓名：李宗諺、楊宗儒
指導教授：劉育綸
專題介紹：
我們針對三維高斯潑濺（3D Gaussian Splatting, 3DGS）場景合成中出現的視覺不和諧問題提出解決方案。當將 3DGS 所渲染的物體直接插入現有場景時，常因光照與顏色不一致而產生明顯的外觀落差。有別於以往依賴環境光圖（environment maps）或對每個場景皆需額外微調擴散模型（Diffusion Model）的作法，我們提出一個高效且具泛化能力的和諧化流程，透過二維圖像和諧（Image Harmonization）網路多次地對插入的前景物體進行重著色，使其與周遭背景場景更加一致。和諧化後的結果會被用於逐步更新 3DGS 場景。我們同時也設計了一套針對此問題的評估標準。實驗結果顯示，我們的方法能夠產生視覺上和諧的合成影像，並優於現有基準方法。總體而言，我們為提升 3D 合成場景之寫實度提供了一個輕量化的解決方案。

優等

專題題目：Aquila-MP: A RISC-V Multi-Core SoC with Level-2 Cache Coherence
學生姓名：楊子賝、陳燁
指導教授：蔡淳仁
專題介紹：
本專題設計並實作一個基於 RISC-V 架構的多核心 SoC。我們從實驗室原有的開源 Aquila 單核心處理器出發，擴展出一個可支援最多 16 個核心的靈活架構（透過參數設定可調整為 2、4、8 或 16 核心） ，並導入了支援 MESI 協定的二級快取一致性機制以及多核心原子擴展指令集，以有效提升平行運算的效能與記憶體資料的一致性。 我們透過 FPGA 平台進行實際驗證，並採用平行矩陣運算、OCR 手寫辨識和平行陣列排序來驗證效能的改善成果。本專題的主要貢獻在於設計出一套輕量化且高效的 Snoop-Based 多核心系統，並以模組化方式將其開源釋出。 此外，我們亦深入分析了snoop-based架構在擴展至八個核心以上時的效能瓶頸，為未來更高規模核心系統的發展及研究方向提供了明確的參考依據。

佳作

專題題目：Window-based Rip-Up and Reroute : A Detailed Router Based on Tritonroute
學生姓名：郭宗信、廖重、房晉右
指導教授：李毅郎
專題介紹：
我們的專題是在 TritonRoute 的基礎上進行改進，結合了實驗室學長先前研究的成果，特別是在 window based 的前提之下，透過 window 內部的情況與 DRC 違規，管理 window 的繞線方式。我們提出了一種自適應的重繞策略，依據違規嚴重程度對視窗進行分類，並利用統計指標—— window 內部線材密度的變異數——來引導重繞模式的選擇。透過分析多次迭代中 DRC 與線材密度表現的變異性，我們能夠辨識出設計中繞線不均勻或問題較多的區域，並在這些區域上選擇更積極的 rip-up 策略，以此將DRC 違規擴散並消除。在針對複雜的 ISPD18 比賽提供的例子中，使得我們能夠完全消除 TritonRoute 難以處理的持續性違規問題。我們的方法在維持高繞線品質的同時，CPU 執行時間減少了 38.51%。雖然這帶來了 via 和 wire length 使用量增加，但繞線的穩健性與設計規則的遵從性都有明顯提升，使其更適用於真實世界的 VLSI 設計流程。

佳作

專題題目：YearGuessr: A CLIP-Based Framework for Built-Year Prediction with Reasoning
學生姓名：吳定霖、司徒立中、徐和
指導教授：劉育綸
專題介紹：
建築物的年代對於永續發展、文化保存與安全等議題都非常重要，但目前尚無一個具備全球性且帶有年代順序的公開基準資料集。我們提出了 YearGuessr，這個資料集包含來自 157 個國家的 55,546 張維基百科建築立面照片，標註了從西元 1001 到 2024 年的連續建造年份，並搭配 GPS 位置、說明文字與瀏覽次數等資訊。我們將建築年代預測設定為「有順序的回歸問題（ordinal regression）」，並引入了考慮熱門程度的 MAE（平均絕對誤差）以及多個年代容許範圍下的準確率（± 5/20/50/100 年）。我們對超過 30 個模型進行評測，包括 CNN、Transformer、CLIP，以及多種視覺語言模型（VLMs）。我們提出的 CLIP 基線模型 YearCLIP 證明「有順序地訓練」可以將 MAE 減半，而加入 GPS 資訊又能進一步降低 11% 的誤差。零樣本（zero-shot）VLM 模型在著名地標的預測上表現出色，但對不知名建築則效果不佳，反映出其對熱門程度的偏誤，而我們設計的評估指標能捕捉這種偏差。我們的資料集採 CC BY-SA 4.0 授權，開源於 Hugging Face，程式碼則公開於 GitHub，這是首個針對建築年代預測與推理的、涵蓋千年尺度的開放基準資料集。

佳作

專題題目：設計用於超低位元 LLM 推論之 Bit-Serial RISC-V DNN 加速器
學生姓名：周廷威、張芷瑜
指導教授：葉宗泰
專題介紹：
在本研究中，我們設計了 Bit-Serial RISC-V DNN 的加速器，用以支援超低位元的大型語言模型在邊緣裝置上高效運行。設計核心為一組整合於 RISC-V Ara 向量架構的客製化處理單元（PE）與專用指令集，原生支援非對稱混合精度運算，並具備動態零位元跳過（zero-bit skipping）機制，能略過冗餘的計算，有效避免資料填補與運算資源浪費。模擬結果顯示執行週期降低 16.1%，明顯提升硬體效率與推論表現。