在无目标相机 -LiDAR 外参校正前进行审计的研究
该预印本研究了在无目标条件下对相机-LiDAR 融合的外参变换进行校正后是否应被下游系统采纳的问题。研究在 Argoverse 2 合成漂移数据上评估了单帧与多帧对齐策略,发现单帧 Canny 对齐在轻度漂移下有害,而多帧对齐虽改善旋转但恶化平移且联合误差指标为负。
推荐理由:该预印本通过日志分离协议评估了无目标外参校正的质量与递归风险,指出单帧对齐在轻度漂移下有害且联合误差指标为负,不支持将其作为可部署的校准门禁。
该预印本研究了在无目标条件下对相机-LiDAR 融合的外参变换进行校正后是否应被下游系统采纳的问题。研究在 Argoverse 2 合成漂移数据上评估了单帧与多帧对齐策略,发现单帧 Canny 对齐在轻度漂移下有害,而多帧对齐虽改善旋转但恶化平移且联合误差指标为负。
推荐理由:该预印本通过日志分离协议评估了无目标外参校正的质量与递归风险,指出单帧对齐在轻度漂移下有害且联合误差指标为负,不支持将其作为可部署的校准门禁。
arXiv 论文发布 CLOCs-R,作为 CLOCs 候选级融合框架的扩展,引入雷达证据以增强远距离物体检测。研究在 KITTI 和 aiMotive 数据集上验证了该方法能改善 30-50 米距离的检测性能,但指出超过 50 米后增益有限且与纯 LiDAR 方案统计持平。分析归因于雷达特征区分度不足、远距训练正样本稀缺及相机证据弱等物理限制。
该论文提出 P-SER 框架,通过重构复数值和向径差通道 HRRP 中的主散射点及观测几何,利用空间结构、目标尺度与能量分布推导类级散射原型与样本显著性先验,为特征学习与旧类知识保留提供物理约束。
该研究提出 CHROMA-MILL 数据集与 CTI-Retinexformer 模型,解决低光照图像增强(LLIE)与自动白平衡(AWB)的联合优化问题。现有方法通常先增强后校正,但缺乏评估 AWB 的地面真值;本研究在 RAW 域混合四种校准光源以合成物理有效的照明混合物并构建精确色度真值。
该研究针对摄像头在低光和恶劣天气下性能下降的问题,利用 HD 雷达的高可靠性及 LiDAR 的精确测距优势,提出一种早期融合架构,将相机图像与前视视角的点云数据结合。实验基于 RADIal 数据集进行,结果显示该融合方案在车辆检测和自由可行驶空间分割任务上,表现优于最新的独立模型及其他融合模型。
博世于 11 月 4 日宣布计划于 2028 年 1 月 1 日设立专门的半导体事业部,该部门将继续隶属于博世智能出行集团。新部门旨在把握全球半导体需求增长机遇,重点拓展机器人、人工智能数据中心等新兴市场,并依托其超过 60 年的技术积累及在 MEMS 传感器领域的领先地位服务客户。
AEye 的 Apollo LiDAR 系统将部署于月球探测项目,旨在为深空探索提供关键感知能力。该硬件方案由 VSD 资深编辑 Jim Tatum 报道,标志着激光雷达技术向极端环境应用的拓展。目前具体任务细节、实验条件及部署范围未在文中详述。
该工作探索了在标准动态视觉传感器基础上增加空间滤波和增益控制等生物启发处理阶段的可行性。研究团队首次将多阶段硅视网膜模型部署于 SCAMP-5 像素处理器阵列,并提供了基于 GPU 的仿真框架。
针对异构成像域下红外小目标检测任务中语义丢失导致泛化性差的问题,本文提出“先理解后检测”范式及 JinSight 模型。该模型通过语言监督构建全局红外目标理解,并将跨域表征迁移至精确检测;引入潜在语义交互机制在低秩空间交换全局语义与细粒度特征。此外,构建了 OmniIRST-VL 数据集,包含超 3.9 万条标注的六类指令任务,涵盖场景级理解与以目标为中心的推理。
Ocular Verification for Virtual Reality 研究针对 Meta Quest、Apple Vision Pro 等 VR 头显在 unconstrained acquisition 场景下的生物特征认证瓶颈,评估了 ISO/IEC 29794-6 指标局限性并引入生成模型处理离轴注视与非均匀光照。
该方法利用 BIODISCOVER 双相机系统捕捉标本在乙醇柱中下落的图像序列,通过面积和下沉速度预测干质量。模型在复杂形态样本上实现个体误差中位数为 10%-20%,且群体分布与观测数据无显著差异。研究鼓励同时使用百分比误差和绝对误差作为评估指标,相关论文已发表于 Ecological Informatics。
该方法提出仅用相机通过多视图图像进行场景重建,结合视觉模型提取语义材质掩码并赋予物理属性,在消除硬件校准复杂度的同时提供媲美激光雷达融合的传感器仿真保真度。研究利用搭载传感器的测试车辆内部数据集验证,以激光雷达反射率作为基准,证实了其在玻璃等难处理材质上的几何与纹理表现优势。
GazeTags 提出一种无需相机和计算机视觉的佩戴式头部注视感知方案,电子标签成本约 2 美元且可运行超一年。系统利用智能眼镜等穿戴设备发射的对齐红外信号唤醒标签,提供身份及物体状态等负载数据。该架构通过规避摄像头流水线实现高能效与隐私保护,已在 UIST 2026 发表并开源代码。
UrbanScapes 是一个基于模块化架构的软硬件协同设计平台,支持在自行车、车辆或行人上灵活部署以采集包含 RGB、近红外和热成像的多光谱街景图像。该系统利用端侧深度学习模型自动去除个人身份信息(PII),并结合高空遥感数据计算物理环境指数,为气候适应性城市的规模化分析提供基础工具。
论文介绍了 PanoTac,这是一种低成本、柔顺的触觉指尖传感器,旨在提供密集的三轴触觉感知能力。每个指尖提供 12x32x3 的触觉表示,包含法向和两个剪切响应分量,采样率为 60 Hz,成本低于每指尖 50 美元。
推荐理由:PanoTac 传感器在管具准备、舀取谷物等任务中,相比纯视觉基线平均提升 46.7% 性能。
本文介绍了 ToFTouch,一种结合三组多分区飞行时间(ToF)传感器与光学压力传感阵列的多模态触觉传感器。该传感器被安装在平行夹爪上,用于在接触前获取物体信息。
该方法利用高分辨率强度图像引导凸优化问题,解决 Kinect 等现代深度相机侧向分辨率受限难题。数值算法经并行化后实现每秒多帧运行,在 Middlebury 2007 数据集上速度与精度均优于现有技术。研究还引入了含高精度真值的新数据集,首次支持基于真实传感器数据的深度超分基准测试。
针对矿山、隧道等无 GNSS 且视觉/激光雷达受干扰的野外机器人场景,该研究提出 MISLAM 系统。该系统利用 IMU 和九磁强计阵列,在不依赖外部里程计或特定运动假设的情况下实现紧耦合定位。
现有基于 RAW 的检测器通常引入可学习的 ISP 模块将输入转换为 sRGB 格式,导致表示学习与下游任务解耦并丢失 RAW 传感器的线性响应和高位深优势。本文提出 ILLRAW,这是一个感知光照的端到端 RAW 目标检测框架。
MS-DOTT 是一个包含长距三维传感、短距精细感知及 4D 雷达测速的非道路多模态数据集,覆盖正常光照、低照度与无光条件。研究团队利用该数据适配了最先进多传感器融合方法以进行通过性估计,旨在推动非结构化环境下的机器人感知与多传感器融合研发。
针对远距离稀疏区域噪声传播、局部高频细节丢失及边界伪影问题,该方法提出空间门控融合与多粒度协同感知模块。实验显示其在 KITTI-360 和 nuScenes 数据集上的交并比(IoU)分别达到 0.4703 和 0.3593,验证了基于范围图像超分辨率重建稀疏户外点云的可行性。
DINOFAS 是一种基于 DINOv3 的人脸反欺骗(FAS)框架,通过低秩适应(LoRA)、注意力风格 - 内容解耦及双分支架构实现泛化。在 OCIM 留一域测试中平均 HTER 为 9.09%,仅用 SynthASpoof 训练时面对四个未见真实数据集的平均 HTER 低至 21.41%、AUC 达 86.14%。
该论文提出了 IMUdrape 方法,旨在解决衣物挂载传感器因布料滑动、扭转和摆动而记录到额外运动信号的问题。该方法通过文本描述活动以合成运动,从照片重建目标服装的缝纫图样,并在真实传感器的部署位置放置虚拟 IMU,利用无接触穿透求解器进行物理仿真,从而生成成对的服装与身体信号。
推荐理由:针对衣物挂载传感器因布料形变导致数据稀缺的问题,该方法通过物理仿真生成虚拟 IMU 数据,在真实数据集上显著提升了动作识别与姿态估计性能。
该研究针对路边 4D 雷达在恶劣条件下虽能获取深度与速度信息但点云稀疏噪声大导致分类困难的挑战,提出了一种基于 Neyman-Pearson 准则的二元分类器。
ED126-A 是一款基于 CNN 的视网膜 OCT 分类基线模型,在 Kermany 数据集上从随机初始化训练达成 95.03% 准确率与 0.9205 宏平均 F1。
MUPA${}^2$S 提出一种结合面部视频与 ECG 信号的自动压力评估架构,通过共享 token 表示与非对称注意力机制实现参数高效融合。在包含 58 名受试者的新数据集上分层协议测试显示,该框架统一输入级融合达到 69.58% 准确率,且参数量约为特征级融合的一半。研究证实面部视频主导性能而 ECG 单独表现接近随机,为生理行为信号异构性提供了有效解决方案。
GaitFM 通过从大型视觉模型迁移知识并在约 4000 名参与者、123 万步态窗口的无标签 IMU 数据上预训练,显著提升了步态评估的泛化能力。该模型在涵盖临床与日常场景的多种传感器配置下,于包括参数估计、疾病检测及预后预测在内的 18 项步态相关任务中展现出强劲性能。此研究为缓解传感器和医疗领域的数据稀缺问题提供了新的跨模态路径。
NatureFusion 提出将红外与可见光图像融合重定义为自然互补增强,利用生成基础模型作为教师直接监督生成视觉自然的融合图像。该方法通过轻量级融合适配器蒸馏生成能力,并引入检测监督任务适配器强化红外互补贡献。实验表明其生成的图像在感知质量上优于七种多模态融合及单模态增强方法,且预训练检测分割模型在其上的准确率显著提升。
针对带宽受限的空中相机,传统基于阈值的感兴趣区域(ROI)编码易丢弃包含微小目标的低分区域。该方法提出率 - 效用区域编码(RUO),依据预期检测效用与比特成本的比值决定是否发送及质量等级,无需训练模型且解码仅需数毫秒。
推荐理由:提出一种无需训练模型的区域编码方法,在带宽受限场景下显著降低小目标检测的比特消耗。
RadPose 是一种基于学习的单站集成感知与通信框架,旨在让毫米波通信设备在无需额外传感硬件的情况下直接进行 3D 人体姿态估计。该方法从标准 OFDM 通信信号中提取信道脉冲响应以生成 3D 射频点云,并采用跨帧 Transformer 网络结合语义引导的空间注意力与目标驱动的时序注意力来处理稀疏和噪声问题。
针对 T1w MRI 扫描中脂肪组织化学位移伪影导致颅骨和头皮分割偏差的问题,研究提出利用变分推断的 FLOW 方法。该方法根据扫描参数显式建模脂肪位移,在保持其他结构高准确率的同时显著提升了外脑解剖结构的还原精度。实验表明,FLOW 校正后的分割结果大幅降低了生物物理电场模拟中的系统性偏差。
FusionGhost-Gait 融合时空架构,在包含海湾服饰的 ArabGait 数据集上 Rank-1 准确率最高达 67.91%。该模型参数量仅 108,970-133,674、FLOPs 为 0.035-0.052 billion,较基线减少超 65% 参数与 75% 计算量。研究证实其在严重遮挡导致下肢姿态置信度下降场景下仍具轻量化部署潜力。
该方法利用 UFactory xArm6 六自由度机械臂配合压电换能器,以已知姿态向静止激光多普勒测速仪展示声学激发测试件。训练出的 Complex-nerfacto 模型在保留复数测量值方面优于基线 RGB nerfacto,在独立视角下平均 ZNCC 达 0.60(基线为 0.28)。该技术已用于焊接铝制圆柱和 T 型支架的缺陷检测与表征,但稀疏扫描下的几何重建仍是实际部署的主要障碍。
研究在 FRLL 和 FEI 数据集的 20 个换脸攻击集上评估了 17 种 FIQA 方法,发现 DifFIQA(R) 在 FRLL 上的平均 D-EER 为 11.42%,显著优于其他方法。然而扩散模型类攻击中多达 11/17 的方法对伪造样本打分更高,且单一数据集阈值无法跨数据集迁移。
CRaFT-XDet 提出了一种基于因果不变性与物理动机的检测框架,将双能 X 射线威胁识别重构为衰减驱动模态变化下的不变表征学习。该模型拥有 29.2M 参数,推理延迟仅 1.7ms(345 FPS),在 SIXray 数据集上实现 0.9389 [email protected],且无需域适应即可在 OPIXray 和 HiXray 保持强泛化。
罗森伯格常州智慧新工厂正式启用,作为亚太最大单体基地聚焦车载高速互连与光通信业务。该厂按工业 4.0 标准建设,周期 15 个月并整合自动化产线与数字化管理系统。现场首次公开展示支持 50Gbps 速率、最远传输 40 米的 GFC®车载光纤方案,旨在突破铜缆带宽瓶颈以支撑高阶智驾与 AI 算力基础设施需求。
近日,注册资本 1 亿元的芜湖保隆智感科技有限公司成立,由保隆科技与奇瑞汽车共同持股。新公司聚焦电子元器件制造、集成电路设计及 AI 应用软件开发,旨在强化核心元器件自研能力并保障供应链安全。此举顺应智能网联趋势,有望在智能底盘、域控与传感器等领域深化双方合作。
上海灵枢智肤电子科技有限公司近日连续完成种子轮与天使轮融资合计超千万元,资金将用于搭建中试线及向客户送样。该公司由复旦团队创立,主打“离子皮肤”路线,其材料与器件已通过双 85 测试及千万次机械验证,支持点触、滑移等感应功能。目前产品正为人形机器人、智能穿戴等领域客户进行送样验证,尚未规模量产。
宾夕法尼亚大学工程师开发出名为“快速特征场”(Fast Feature Field,简称 F3)的通用计算工具,旨在解决事件相机数据处理难的问题。该工具能将事件相机每秒产生的数千万个信号转化为各类机器人可用的数据信息,有望在自动驾驶汽车、无人机等平台上广泛应用,显著提升机器人在多种光照条件下识别物体、估算距离以及感知运动的能力。相关成果已发表在期刊《科学 - 机器人学》上。
推荐理由:宾夕法尼亚大学推出通用计算工具F3,将事件相机数据转化为机器人可用信息,有望提升多光照条件下的感知能力。
IR275K 基准包含 594 个红外视频序列及 275,196 帧数据,提供可复现的 x4 评估协议以评测弱纹理与噪声下的重建性能。实验涵盖七种学习基线、CGMamba 参考模型及双三次插值,证实 MSDTGP 在混合传感器噪声下表现最优且邻帧能提升 PSNR。完整数据集已公开,旨在统一多帧红外超分辨率的评估标准。