自本科阶段起，孔雨新便对边缘计算领域的相关技术怀有浓厚兴趣。2022年10月，正在读大四的他通过预推免加入杨鹏老师课题组，开启了在边缘计算与端边协同算法领域的深入探索。
他的第一项核心研究聚焦于行业长期存在的痛点——恶劣成像环境下的视频分析。在低光照、暴雨等复杂场景中，轻量级模型的泛化能力往往较弱，检测精度显著下降，而传统云端处理又存在高延时问题。针对这一挑战，他提出了一套边缘辅助的模型更新系统。该系统通过低置信度帧分析与帧间冗余特征抑制，实现高效关键帧提取；同时结合模型历史性能，设计动态重训练策略，从而在恶劣环境下显著提升检测精度。
然而，在研究的初期，面对实验验证与论文撰写的重重困难，孔雨新对自己的工作并不自信，他常常觉得“还有许多地方可以改进”。幸运的是，杨鹏老师始终给予他耐心指导与精神鼓励。从反复的细节讨论到手稿的一次次修订，从算法逻辑到实验复现，杨老师总是倾心相授，帮助他在科研道路上稳步前行。正是这种严谨与执着的科研精神深深影响了孔雨新，让他在科研的道路上愈发坚定。最终，该研究成果成功发表于CCF-A类会议 ACM MM。这不仅是孔雨新科研生涯的重要起点，更让他深刻体会到：科研的价值，不仅在于结果，更在于探索的过程与坚持的力量。
在完成上述工作后，他继续对系统进行性能优化与通用性扩展，以支持更复杂的恶劣成像视频分析场景。扩展后的研究成果被投稿至 JCR Q1 期刊 IEEE TCSVT。审稿过程异常艰辛——六位审稿人、近四十条修改意见、紧迫的返修期限，让他一度感到无从下手。面对挑战，他选择直面困难，与导师反复讨论每一条意见，逐项补充实验、调整模型、完善论证。那段时间，他几乎每天都工作到深夜，修改后的论文版本一版接一版，逐渐趋于完善。最终，他的努力得到了审稿人和编辑的充分认可，论文顺利被录用。此后，他将研究中的关键算法与系统设计提炼总结，申请并获得了国家知识产权局授权专利。该成果显著提升了恶劣环境下的视频分析效率，为户外监控场景提供了高效稳定的技术支撑。
随着经验的积累，孔雨新对边缘计算有了更深层次的理解，他随即将视野拓展至可控图像生成领域中的端边协同算法。针对用户偏好多样性与终端算力受限的双重挑战，他提出了一种用户偏好驱动的分布式图像生成方案。该方案通过设计视觉提示选择与压缩算法，大幅降低端边通信的传输开销；并融合扩散模型与强化学习算法，实现分布式协同去噪，在提升生成质量的同时增强个性化体验。该成果已被 JCR Q1 期刊 IEEE TMC 录用，为低延时移动端 AI 生成服务的落地提供了新思路。
回顾过去的科研历程，曾经的迷茫与困惑化作前行的动力。一路走来，在导师的悉心指引与团队的携手努力下，孔雨新在探索中积累经验，在挑战中磨砺心志。他常以一句歌词自勉：“只知要飞，但不知高处会抽光我的氧气。”科研之路亦如飞行——既有未知的稀薄空气，也有辽阔的视野与光亮。未来，他将继续怀揣向上的勇气，坚定地深耕边缘智能领域，用青春与智慧为国家科技创新和社会发展贡献力量。
