1.自我介绍
鲍有能，哈尔滨工业大学博士，于 2025 年 12 月起，就职于深圳大学电子与信息工程学院丁文华院士团队。
长期致力于“智能压缩与高效计算”研究，重点关注多媒体视觉数据压缩、AI模型压缩及数据集压缩等方向，旨在通过技术手段降低AI系统在存储、部署及训练全流程中的资源消耗。
近5年以第一或通讯作者在ICCV、AAAI、T-CSVT 等领域权威期刊/会议发表论文10余篇，担任 IEEE T-IP、T-CSVT、CVPR、ICCV等知名刊物审稿专家。主持国家自然科学基金项目1项。
本页更新于 2026 年 9 月，最新消息可关注个人主页：https://baoyu2020.github.io/
2. 研究方向
[1]多媒体视觉数据压缩: 智能图像/视频压缩、语义压缩
该方向主要研究如何利用深度学习技术，让图像和视频传得更快、存得更省。相关就业方向：音视频算法、图像处理、视频编解码、实时通信等，面向短视频、直播、视频会议、云媒体等业务。
[2]AI模型压缩：Token压缩、模型/神经网络轻量化
研究模型量化、Token压缩等方法，让AI模型在有限的算力和内存下高效运行。相关就业方向：大模型推理优化、模型部署、端侧AI、算法工程化等，面向大模型应用、手机、智能硬件等场景。
[3]数据集压缩：数据集蒸馏、数据选择
研究数据集蒸馏、数据选择等方法，用更少、更有效的数据训练模型。相关就业方向：机器学习算法、训练数据优化、模型训练与评测等。
3.教学与研究生指导
课程：人工智能、图像与音视频处理技术及前沿应用
[1]信息与通信工程（学硕）
[2]新一代电子信息技术（专硕）
4.招生信息：
1.基本信息：招收2-3名硕士生/年，欢迎计算机、通信、数学相关背景的同学，同时欢迎相关专业优秀本科生参与。
2.指导经验：近些年指导同门师弟师妹及学生，均发表于IEEE期刊或会议，可向我或任意合作者详细了解。
3.要求：阳光积极（首要条件），认真做事，不浮躁，爱思考，积极主动。
4.其他：课题组不打卡，满足毕业指标（学分+论文）后，支持学生去实习或者交流；充足的计算资源，为模型训练和算法实验提供支持；
从文献阅读、问题分析到代码实现、实验设计和论文写作的科研指导，逐步培养独立解决问题的能力。
感兴趣的同学可将个人简历发送邮箱baoyn@szu.edu.cn
5.代表性论文
（#通讯作者， 详细论文更新在主页）
[1]Youneng Bao, Yulong Chen, Yiping Liu, Yichen Yang, Peng Qin, Mu Li, and Yongsheng Liang. DynaQuant: Dynamic Mixed-Precision Quantization for Learned Image Compression. AAAI Conference on Artificial Intelligence (AAAI), 2026. （CCF-A类会议）
[2]Youneng Bao, Yiping Liu, Zhuo Chen, Yongsheng Liang, Mu Li, Kede Ma. Dataset Distillation as Data Compression: A Rate-Utility Perspective. International Conference on Computer Vision (ICCV), 2025.（CCF-A类会议）
[3]Youneng Bao, Wen Tan, Chuanmin Jia, Mu Li, Yongsheng Liang, Yonghong Tian. ShiftLIC: High-Efficiency Learned Image Compression with Spatial-Channel Shift Operations. IEEE Transactions on Circuits and Systems for Video Technology (TCSVT), 2025.（中科院一区Top期刊）
[4]Youneng Bao, Wen Tan, Mu Li, Jiacong Chen, Qingyu Mao, Yongsheng Liang. SFNIC: Hybrid Spatial-Frequency Information for Lightweight Neural Image Compression. CAAI Transactions on Intelligence Technology, 2025.（中科院一区Top期刊）
[5]Youneng Bao, Fanyang Meng, Chao Li, Siwei Ma, Yonghong Tian, Yongsheng Liang. Nonlinear Transforms in Learned Image Compression from a Communication Perspective. IEEE Transactions on Circuits and Systems for Video Technology (TCSVT), 2022.（中科院一区Top期刊）
