• 目标锚定的渐进式视觉-语言融合用于遥感图像中的指代语义分割

  •提出了一种目标锚定的渐进式视觉-语言融合框架。•循环语言更新使文本与多尺度遥感特征对齐。•目标词汇锚定缓解了跨模态融合过程中的语义漂移。•选择性状态空间解码减少了冗余的非目标响应。•实验结果表明在RefSegRS数据集上表现优异，在RRSIS-D数据集上具有竞争力。引言遥感

  来源：Information Fusion

  时间：2026-10-27

• 基于扩散的文本到图像模型中的语义保真度挑战综述

  • 首个专注于文生图扩散模型中语义保真度挑战的全面综述。 • 针对基于扩散模型的文生图模型中的语义保真度挑战、根本原因、解决方案策略、评估指标及提示数据集的分类体系。 • 对近期研究成果的系统性分析，涵盖关键语义保真度挑战，以及现有方法论之间的比较洞察。 • 针对评估基于扩散

  来源：Information Fusion

  时间：2026-10-27

• 面向物理人机协作的偏好引导相位条件残余导纳控制

  •针对物理人机协作（pHRC）提出了一种偏好引导的残余导纳控制器。•软相位置信度表示自由和约束交互情境。•一个校准的偏好奖励将演示与操作员排名联系起来。•行为克隆和双重经验回放缓冲区稳定了真实机器人SAC学习。引言随着工业5.0和柔性制造的发展，制造系统必须超越固定流程下的自动化

  来源：ROBOTICS AND COMPUTER-INTEGRATED MANUFACTURING

  时间：2026-10-27

• 一种用于宽带微波吸收的超轻可压缩MWCNTs/PVDF-HFP海绵的一步可持续制备路线

  一种无模板、一步相转化策略制备了超轻多壁碳纳米管/PVDF-HFP海绵。 CNT/PS-15的密度为0.058 g/cm³，孔隙率为96.77%。 复合海绵在50%应变下表现出37.48 kPa的抗压强度和109 kPa的杨氏模量。 CNT/PS-15的总屏蔽效能达到13.21

  来源：CARBON

  时间：2026-10-27

• 构建具有共振型高熵氧化物纳米球的PC复合纤维以实现多波段电磁吸收

  •通过静电纺丝和闪烧策略制备了PC/pHEO-aNP复合纤维。•PC/pHEO-aNP纤维实现了优异的低频电磁波吸收性能。•COMSOL多物理场耦合有限元仿真验证了HEO纳米球的共振耗散机制。引言随着5G通信和雷达探测技术的快速发展，电磁污染和信号干扰日益严重，对人类健康和高

  来源：CARBON

  时间：2026-10-27

• 石墨烯纳米片上可控铜颗粒层的包覆：沉积机制与宽频微波吸收

  •通过无电镀法在柠檬酸辅助活化的GNPs表面沉积了具有可控性且保留颗粒间隙的Cu涂层。•Cu纳米晶优先在GNPs表面的活性位点成核，并通过岛状生长和颗粒互连生长为连续涂层。•覆盖率为98.1%的Cu涂层优化了阻抗匹配行为，并引入了多种能量损耗机制，从而增强了GNP@Cu复合材

  来源：CARBON

  时间：2026-10-27

• 通过紫外拉曼光谱探测的CVD金刚石薄膜中依赖衬底的残余应力和裂纹诱导的应力松弛

  摘要在异质基底上沉积的金刚石薄膜中的残余应力严重影响其应用。然而，开裂如何重组局部应力场，特别是在低热膨胀系数基底上的拉应力薄膜中，这一机制仍知之甚少。本文采用微波等离子体化学气相沉积（MPCVD）在硅、碳化硅和石英基底上沉积金刚石薄膜（约1 μm），并利用紫外拉曼光谱研究其

  来源：CARBON

  时间：2026-10-27

• PACE：基于深度感知伪点增强与跨模态原型对比学习的无监督3D目标检测

  **摘要** 尽管近期的无监督3D目标检测方法取得了令人瞩目的进展，但由于激光雷达点云固有的稀疏性，它们在远距离和小尺寸目标上仍普遍难以维持强劲性能。一方面，仅基于激光雷达的伪标签生成完全依赖几何聚类，对于反射点稀缺的区域，根本无法拟合可靠的标签。另一方面，尽管已有方法尝试

  来源：ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING

  时间：2026-10-27

• SOVS-Net：基于跨模态对齐与层次语义推理的SAR影像开放词汇分割

  摘要 语义分割是地球观测中的一项基础任务。然而，现有的基于深度学习的合成孔径雷达（SAR）图像处理方法主要受限于固定的封闭集类别定义，这限制了其在多样化类别定义或数据集上的泛化能力。开放词表语义分割（OVSS）通过自然语言表示语义类别，为克服这一局限性提供了一个有前景的替代

  来源：ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING

  时间：2026-10-27

• 去噪引导的合成孔径雷达基础模型

  摘要 在大量无标注SAR图像上预训练的SAR基础模型，在各类下游任务中展现出强大的泛化能力。然而，SAR图像固有的相干斑点噪声会模糊语义内容并削弱特征学习，这对SAR基础模型的发展构成了重大挑战。为解决这一问题，我们提出了DG-SARFM，一种去噪引导的SAR基础模型。与传统去

  来源：ISPRS JOURNAL OF PHOTOGRAMMETRY AND REMOTE SENSING

  时间：2026-10-27

知名企业招聘：