国际顶级杂志《IEEE Transactions on Neural Networks and Learning Systems》

创新奇智研发团队发表论文《Deep Inception-Residual Laplacian Pyramid Networks for Accurate Single-Image Super-Resolution》提出了一种新的图像超分辨率算法，能更快速提高图像重建精度，在工业品瑕疵检测、精密测量、商品识别等领域具有非常高的产业实用价值。

2019 DAC（国际顶级设计自动化大会）

创新奇智发表论文《Efficient GPU NVRAM Persistence with Helper Warps》，提出一种方法，通过在GPU上使用NVRAM存储的的事务处理系统，提升GPU性能，突破AI时代算力瓶颈。

2019 ICCV （国际计算机视觉大会）

创新奇智发表论文《HM-NAS: Efficient Neural Architecture Search via Hierarchical Masking》并获workshop最佳提名，论文提出使用层级掩码的搜索方法，让模型训练更快、模型参数更少、模型的网络结构更优、对算力要求更低，只需要1-2块GPU一天的训练，即可完成模型的训练生成。

ECCV 2020 （欧洲计算机视觉国际会议 ）

创新奇智有关少样本学习（Few-shot Learning）的研究论文《Prototype Rectification for Few-Shot Learning》被全球计算机视觉顶会ECCV 2020接收为Oral论文，入选率仅2%。论文指出，少样本学习的瓶颈在于数据稀缺引起的偏差，主要包括类内偏差和跨类偏差，并提出相应方法有针对性地减小两项偏差。