CSIF-Net 揭示跨模态判别性:用于光 -SAR 目标检测的通道选择性交互融合网络
CSIF-Net 通过频率分解与交叉注意力模块实现通道级选择性交互,在 OGSOD 1.0 和 M4-SAR 数据集上分别将水平及定向目标检测性能提升 4.01% 和 3.18%,优于现有方法。该网络利用双分支融合机制分离共享特征与模态特异性信息,有效抑制光 -SAR 跨模态差异带来的冗余或冲突特征干扰。
CSIF-Net 通过频率分解与交叉注意力模块实现通道级选择性交互,在 OGSOD 1.0 和 M4-SAR 数据集上分别将水平及定向目标检测性能提升 4.01% 和 3.18%,优于现有方法。该网络利用双分支融合机制分离共享特征与模态特异性信息,有效抑制光 -SAR 跨模态差异带来的冗余或冲突特征干扰。
本文提出 WaveSpec 多光谱虹膜呈现攻击检测(PAD)框架,利用 DINOv2 骨干网络编码近红外波段特征,并通过集条件光谱相干适配器更新特征以建模跨波段的相干性。
该论文提出一种基于正交残差学习的自适应侧偏和转向刚度估计方法,旨在解决轮胎变化时模型校正与滤波器创新竞争的问题。研究通过传播预测测量的刚度敏感性并构建与之正交的校正器,在整车仿真中使侧滑误差降低 12.7% 至 22.0%,并在真实车辆数据上验证了其对名义刚度偏移的鲁棒性。材料为预印本论文,已提交至 Vehicle System Dynamics。
推荐理由:提出正交残差学习框架,在保持侧偏刚度估计能力的同时抑制模型修正干扰。
针对 GNSS 不可靠场景,该方法将旋转雷达测量与俯瞰 RGB 影像(如卫星图)进行对齐以实现定位。系统利用掩码重建预训练的雷达表征,结合由雷达里程计传播候选位姿的观察模型提供似然度评估。研究在涵盖城市与非路面的 8 个数据集、31 条不同路线上仅使用地面雷达和粗略局部先验进行了验证,并考察了跨越 13 个月期间天气变化下的鲁棒性。
针对非合作目标的自主在轨服务,该研究提出基于嵌入式电容传感的实时交互感知框架,将粘附生命周期划分为空闲、接近、接触等五种离散状态。离线测试中随机森林模型分类准确率达 95.65%,在线部署结合规则机后准确率提升至 93.14% 且推理周期为 53ms。物理一致的状态约束显著增强了实时推理鲁棒性,为未来自主在轨捕获任务奠定基础。
PolMamba 提出基于 Mamba 的长波红外偏振遥感图像融合模型,结合物理先验与状态空间扫描解决模糊轮廓问题。该方法在 AIR-LWIR-Pol 数据集上配合 YOLO11 实现车辆检测,mAP50 达 55.0%、mAP50-95 为 29.4%,优于四种对比方法。研究证明了结合物理先验与状态空间建模在复杂遥感场景中的有效性。
欧摩威(AUMOVIO)披露其第三代卫星摄像头解决方案已拿到国内某头部车企的量产定点,该项目是该产品在中国市场的首个定点,计划于2027年底启动量产。该方案针对极端工况与高阶自动驾驶打造,可在零下40摄氏度极寒环境中稳定运行并快速除霜恢复视野,同时具备夜间低光照下的图像增强能力。
赛豆科技首款车 AIVA ME7 亮相工信部第 412 批新车公示目录,该车为长近 5 米的中大型纯电 SUV,提供单电机(270kW)与双电机(420kW)版本。车辆搭载宁德时代三元锂电池,申报最高车速 255km/h,此前已在巴黎完成全球首秀并展示灵动光眸交互功能。官方规划全系产品覆盖 20 万元以上主流市场,旨在将大模型能力融入汽车以探索自然的人车交互。
英飞凌与Wolfspeed Inc新签署了一项关于200 mm碳化硅(SiC)晶圆的多年期供货协议,双方原有供货关系将从150 mm衬底技术转向200 mm衬底技术。该协议将直接支持英飞凌向200 mm碳化硅制造转型,巩固其全球功率半导体领域的领导者地位,增强供应链韧性。目前,碳化硅半导体的应用场景从电动汽车、可再生能源系统,一直延伸到AI数据中心电力基础设施。
针对机器视觉任务对低比特率图像压缩的高需求,本文提出了 SLIM 框架。该框架包含两个核心组件:在潜在空间聚焦于机器视觉任务中语义和功能重要的感兴趣区域(RoI)进行压缩,且推理时无需显式掩码;同时利用预训练的扩散模型,结合 RoI 关注的潜在表示与文本语义引导,对极低比特率下的严重信息损失进行补偿。
针对真实事件数据难以大规模采集的问题,本文提出 FracEvent 仿真器,利用紧凑的分数阶弛豫电压动力学模拟像素响应历史与 ON/OFF 事件生成。该方法结合快慢响应模式并保留状态以关联残差响应与后续事件时序。在图像重建和光流估计等下游任务中,FracEvent 相比基于对比度阈值的现有方法取得多项指标领先结果。论文已接受至 WACV 2027。
论文提出了 SA-LIVO 算法,旨在解决激光雷达、惯性测量单元和视觉传感器独立失效时的融合问题。该方法通过协方差匹配在线估计帧级噪声尺度,利用 Schmidt 滤波处理观测相关性,并引入子空间感知信息融合模型来限制视觉信息的误差上限。
BIRCH-Trees 作为首个基于无人机图像的个体树木高度与物种估计基准,涵盖温带、热带及寒带造林数据集。DINOvTree 利用视觉基础模型骨干网络,在仅使用次优方法 54% 至 58% 参数的情况下,实现了最优异的整体结果与准确的树高预测。该研究已接受 ECCV 2026 会议录用,为森林生物量估算提供了高效可扩展的计算机视觉解决方案。
针对自动驾驶中多模态感知任务因传感器频率差异或网络延迟导致的非同步问题,本文提出 AsyncBEV 模块。该模块受场景流估计启发,直接从异步多模态 BEV 特征预测稠密 2D 流场以进行空间对齐。
该研究发现了磁触觉传感器存在的物理漏洞 PhantomTac,攻击者仅需在物体表面粘贴厚度约 0.5 mm、无电池的磁性标签即可篡改力感知数据。实验表明,这种隐蔽的攻击能绕过现有抗干扰机制并劫持闭环控制流程,在抓取位置偏移小于 8 mm 时攻击成功率超过 95%,可导致捏碎或掉落物体。论文提出了多模态一致性防御机制以缓解此类物理层安全威胁,相关内容已接受于 ACM CCS 2026。
推荐理由:研究揭示了磁触觉传感器的物理漏洞,提出了一种无需接触设备的隐蔽攻击方案及多模态一致性防御机制。
针对HE染色全切片图像中组织制备或扫描引入的技术伪影,该研究对比了六种公开算法在分割无伪影组织及特定伪影类别上的表现。基于两个公共数据集和一个新发布的数据集评估显示,整合修改版GrandQC的HistoKit性能最佳,而HistoQC最差;针对难以分割的暗斑和失焦区域,引入简单后处理步骤可进一步提升效果。该基准为开发HE染色WSI伪影分割方法提供了参考标准。
该研究提出了一种可配置 CPU 编码器,通过规则或小神经网络分配传统 ETC2 搜索以平衡速度与失真。在 64 种颜色纹理测试中,最快配置达到 Google Etc2Comp 基准 PSNR 时速度提升 30.7-40.9 倍,高质量配置时间减少 64.1%。相比基于规则的选择,学习到的动作排序与二次搜索分配在同等配额下联合增益 0.124 dB 且保持标准 ETC2 存储格式。
论文针对工业机器人因温度导致的定位与路径精度偏差问题,提出利用观测器结构估计齿轮箱润滑剂温度的方法。研究构建了包含两状态热传递模型的 Luenberger 观测器和卡尔曼滤波器,结合箱体温度传感器测量进行校正。实验在填充润滑脂的摆线针轮减速器上进行,验证结果显示该方法平均绝对误差为 1.3K,旨在为温度相关的误差补偿提供输入。
StreamRPS 提出一种流式 FMCW 雷达全景分割框架,通过激光雷达补全自动生成标签并引入极坐标注意力机制。在 SAX 和 BOREAS 数据集上,该方法比最强基线至少提升 1.4pp 精度,且在四扇区流式设置下实现超过 400 FPS 的处理速度。作者额外提供 100 次 SAX 雷达扫描的手动标注数据以支持独立评估。
针对自动驾驶需快于帧相机成像速度的需求,该方法利用微秒级分辨率的事件相机记录亮度变化,在高于帧率的决策频率下工作。研究提出可靠性监督路由,为每个位置分配融合权重并通过双单模态分类器损失进行监督;同时采用不对称分辨率融合,以原生分辨率编码帧并在事件网格上池化特征以复用预训练权重。
针对脑电与眼动信号融合模型在眼动数据丢失时性能下降的问题,提出一种结合电极图节点与边调制机制的上下文感知拓扑蒸馏图网络(CTD-GNet)。该模型通过双向蒸馏耦合多模态教师与单窗口脑电学生网络,显著提升了鲁棒性。在 SEED 和 SEED-IV 数据集上,其平均准确率分别达到 84.91% 和 76.17%,且在眼动数据完全缺失时仍保持 66.1% 的准确率,优于所有仅用脑电的模型。
针对轨道环境下慢速相对运动导致事件相机信噪比低的问题,研究提出利用循环视觉 Transformer(RVT)捕捉稀疏事件流中的长时信息。该方法在真实采集的慢速轨迹数据上验证了优于传统逐帧或固定窗口方法的位姿估计精度与稳定性,为航天器交会对接提供了关键技术支持。
论文指出近期研究质疑现代智能手机的PRNU指纹判别力,作者通过30款手机实验发现标准sPCE指标受同型号共性成分干扰。为此提出Delta sPCE方法,即查询图像与候选相机指纹的相关性能量减去该图像与其他候选指纹的平均相关性能量。该方法显著提升了归属准确率,证明设备特异性PRNU信号在计算摄影背景下依然有效,尽管当前应用仍受限于数据集规模和候选集依赖。
该论文提出 RAHF-Net,旨在通过 LiDAR 点云特征增强 RGB 图像平面的密集像素级预测而非生成三维标签或检测框。
针对传感器非刚性安装限制,该研究提出基于 Denavit-Hartenberg 约定的动态相机 -IMU 外参标定方法及两步初始化策略。仿真实验表明,该方法能有效适应外参数变化并保持具有竞争力的定位精度。相关预印本已上传至 arXiv,代码与权重开放许可情况原文未明确提及。
PolarVis 提出 RGB-P Wild 数据集及扩散框架,从单张 RGB 图像重建四角度偏振图。在 RGB-P Wild 上,其归一化域 MSE 为 0.0465、PSNR 达 27.83 dB、SSIM 为 0.8597,优于 PolarAnything 基线。
MPIG 框架利用学习到的场景先验,从单一 0°偏振观测预测缺失的 45°、90°和 135°视图。该 Swin Transformer 架构模型包含 85.86 M 参数与 1.126 T FLOPs,在 HighPol 数据集上实现 29.729 dB PSNR 精度。下游玻璃检测与语义分割任务验证了生成图像保留关键信息的有效性。
针对无人机图像中飞行高度与空间分辨率的权衡问题,该研究提出了 MultiAltitudeSR 框架,通过条件调制特征重建以适配不同源目标地面采样距离。模型在 10 至 70 米高度的真实无人机图像上联合训练,无需成对微调即可覆盖从 1.18 倍到 6.03 倍的多种放大尺度。
该研究评估了集成 YOLOv11-medium 模型的半自主电动拖拉机在萝卜田的除草性能,发现速度从 0.13 m/s 提升至 0.45 m/s 时杂草命中率降至 35.0% 且作物接触率升至 28.7%,未达商业可行性阈值。结果表明仅靠除草检测不足,需改进运动鲁棒感知与喷药时序补偿。相关软件已公开以支持未来精准除草研究。
VTF900 发布包含 900 名受试者及表情、姿态和遮挡变化的配对影像,旨在解决现有基准画廊规模过小(N≈100)的局限。在 N=900 的全局下,ViT-B 模型正脸条件 AUC 达 97.68%,而 DPIT-ResNet50 在非标准姿态下表现更稳健(AUC 94.68%)。
针对多光谱滤光阵列成像中的空间混叠问题,本文提出了 S3D-Mosaic 模型基去马赛克方法。该方法建立次梯度引导正则化框架以进行幅度不变的信息传输,并设计紧凑的方向稀疏等变差分卷积层提取高频结构特征。
针对行政登记滞后于光伏基础设施部署的问题,该研究利用开源多光谱 Sentinel-2 卫星影像与 OpenStreetMap 建筑几何数据,训练随机森林模型识别光伏组件的光谱特征。开发的可交互式网络原型支持按需监测工业屋顶光伏系统存在性,并内置质量指标提示用户判断预测是否需人工验证。该端到端框架证明开放源中分辨率数据能有效填补监测缺口。
针对小型自主水面船舶(ASV)在反光、眩光和夜间等复杂环境下感知困难的问题,本文提出了一种结合可见光、长波红外和调频连续波毫米波雷达的上下文感知架构。该架构通过导航控制器提供校准后的障碍物概率与传感器状态,并能区分传感器失效与无目标观测。
随着成像带宽与处理需求增长,Pleora Technologies 推出的 GigE Vision 3.0、RoCEv2 及现代网络架构正在突破现有瓶颈。这些新技术为工程师和集成商提供了构建下一代高性能机器视觉系统的解决方案,有效应对日益增长的算力挑战。
巴斯尔推出新型视觉系统架构,通过同一 SDK 直接由相机控制镜头和照明。其 Vision Simulation 功能允许在无需物理原型的条件下进行图像处理应用的开发与验证。该方案旨在为全球工程师和系统集成商提供自动化解决方案。
Neural Block-wise Auto-exposure 算法将临时图像及其曝光时间映射至所有非重叠的 16x16 块,以解决单拍 HDR 场景中的亮度反转、阻塞伪影及明暗区域细节缺失。
mmPencil 通过多模态映射架构将毫米波信号重构为三维轨迹并映射至视觉表征,实现不依赖书写风格的空中单词识别。该系统在包含 12 名用户、200 个单词及 22 种场景的数据集上测试,对已知用户准确率达 97.60%,未见用户零样本准确率为 92.50%。研究已发布论文并公开三维毫米波手写数据集,显著优于现有基线方法。
论文提出了一套光学校准的图像缩放算子系统,通过相机点扩散函数(PSF)在封闭形式下确定缩放操作,实现了双向且可逆的缩放及次像素几何变换。研究指出常规反混叠规则并非光学忠实或内部一致,高斯尺度空间仅是理想化特例。作者利用真实捕获和噪声光学模拟验证了理论预测,并展示了该方法对超分辨率等任务稳定性的实际影响。
Huntington 和 Caltech 团队发布 HaCKRS 数据集,包含超 10.5 万帧 Garmin LiveScope 成像声纳与锦鲤俯拍 RGB 视频的时序匹配对。数据覆盖约 3.3 小时录音及四种配置,提供几何坐标、同步信息及平面配准以支持鱼类检测跟踪计数方法开发。该预印本聚焦配对观测与标定而非特定标注任务,旨在探索消费级声纳在生态监测中的应用潜力。
论文提出 PCDFusion 框架,将红外与可见光图像融合重构为局部贝叶斯后验渲染问题,通过三阶段实现模态自适应融合。该方法在公开基准测试中提升了融合质量、目标恢复能力及下游检测分割性能,代码已开源。材料为 arXiv 预印本版本,已被 NIPS 2026 接收。