我曾负责一个关于隐私信息检索（PIR）的大学生创新项目。

PIR 想解决的问题其实非常有意思：假设用户需要从数据库中查询一条信息，有没有可能在获得正确结果的同时，让数据库服务器不知道用户到底查询了什么？

我们的项目进一步考虑了动态数据库、批量查询等场景，并尝试对相关协议进行改进，同时设计了一个医药信息检索应用作为实验场景。

这段经历让我第一次接触到密码协议、隐私计算以及安全数据访问等概念。相比单纯完成一个应用系统，科研更加关注的是系统背后的机制——不仅要让程序“能够运行”，还要思考为什么这样设计，以及它解决了什么实际问题。

弱光环境下拍摄的图像通常会出现亮度不足、细节丢失、颜色失真等问题，因此弱光图像增强一直是计算机视觉中的一个重要任务。

我参与的一个项目研究了基于风格调制和多分支融合的无监督弱光图像增强方法。

这个方法希望针对图像中不同亮度区域采取不同的增强策略，而不是简单地将整张图片统一提亮。尤其是在 HSV 颜色空间中，根据区域亮度进行自适应融合，可以一定程度上缓解局部区域过度增强的问题。

虽然我的主要研究兴趣后来逐渐偏向多视图学习与人工智能算法，但这个项目让我第一次比较深入地接触计算机视觉，也让我理解了模型效果不仅要看指标，还需要关注最终图像是否自然、是否符合人的视觉感受。