• 青藏高原腹地长江源头区河流阶地的光释光测年及其古环境意义

  •曲先河阶地 1 的光释光年龄跨度从 28.5 ± 1.7 到 0.75 ± 0.1 千年。•该阶地记录了冰期堆积后冰消期下切的过程。•青藏高原内部的冰期 - 冰消期转换以高能量事件为特征。•石英光释光测年显示出对高能量冲积扇沉积物的潜力。引言青藏高原（TP），被誉为“亚洲水

  来源：Palaeogeography, Palaeoclimatology, Palaeoecology

  时间：2026-10-25

• TDM3D：文本引导的深度感知单目三维视觉定位

  •TDM3D 通过从语言对齐的语义接地逐步演进到深度感知的几何推理来演化共享目标查询。•跨阶段查询传播支持使用相同的目标表示进行从语义到几何的连续精化。•分阶段多模态交互在引入深度线索进行三维推理的同时保持语义一致性。•区域感知增强能够强化物体区域响应并抑制背景干扰。•深度感

  来源：Pattern Recognition

  时间：2026-10-25

• 面向多视角三维目标检测的基础模型高频深度蒸馏

  •提出了一种用于稀疏激光雷达监督下多视图三维目标检测的高频深度蒸馏框架（HFDD）。•从深度基础模型中蒸馏高频深度线索，同时保持度量尺度一致性。•设计了一种前景中心蒸馏方案，结合尺度对齐和小波高频分解。•引入前景深度交叉注意力模块，以细化查询到几何的对齐，提升三维定位精度。引

  来源：Pattern Recognition

  时间：2026-10-25

• 导联感知的心电图图像表征用于属性不变的心肌病分类

  •提出了一种基于心电图图像的 novel 分类模型，用于心肌病的早期筛查，以应对心电图特异性低以及非心律失常类心脏疾病检测面临的挑战。•采用轻量级通道交换来提取多尺度导联特征，同时保留扫描心电图图像中的空间-时间关系并抑制伪影。•开发了一个融合信息瓶颈的聚类模块，用于压缩疾病

  来源：Pattern Recognition

  时间：2026-10-25

• EMM-CVT：一种用于压缩视频动作识别的高效多模态视觉Transformer

  •我们提出了EMM-CVT，一种专为压缩视频动作识别设计的双流Transformer，核心是新颖的GMMF模块，用于I帧和P帧表示之间的全局跨模态融合。•我们引入了DSTP自适应剪枝机制和LCMA轻量级增强模块。DSTP选择性剪枝跨模态的判别性较低的时空token以减少计算冗

  来源：Pattern Recognition

  时间：2026-10-25

• 一种采用局部自适应稀疏注意力的全局-局部双分支微表情识别网络

  •DS-TCN 估计顶点帧概率以构建关键帧序列。•GL-LASA 学习互补的全局和局部微表情特征。•LASA 在局部令牌上执行 AU 引导的查询自适应稀疏注意力。•区域对齐支持全局和局部特征的令牌级融合。•实验验证了有效的顶点帧估计和有竞争力的微表情识别性能。引言面部表情是人

  来源：Pattern Recognition

  时间：2026-10-25

• 知识覆盖引导的欠采样集成用于不平衡分类

  •KCUE将欠采样建模为主类知识覆盖最大化问题。•类间分离指数用于刻画局部主类与少数类的可分离性。•泊松覆盖函数用于量化主类信息的累积保留程度。•次模性指导边际收益采样，从而减少冗余获取。引言类别不平衡现象在现实世界的智能决策任务中普遍存在。例如，医学影像诊断与分级中的罕见病

  来源：Pattern Recognition

  时间：2026-10-25

• 弱监督多模态钢材表面缺陷定位与几何严重程度估计

  ## 摘要要点 • 灰度-深度框架用于定位缺陷并评估磨削严重程度。• 几何引导的门控机制仅在支持灰度语义的区域注入深度信息。• 缺陷相对深度建模可抑制背景变化对严重程度线索的干扰。• 伪深度自举将监督扩展到稀缺的标定标注之外。• 在干扰条件下的工业测试中，mIoU达到0.9

  来源：Pattern Recognition

  时间：2026-10-25

• TWCRAC：基于时间周期一致性和动态阈值的鲁棒重复动作计数

  •TWCRAC：一种仅依赖极少视频级监督的动作计数框架。•通过视频内时间周期一致性（Temporal Cycle Consistency）实现自监督周期学习。•自适应双窗口算法有效处理节奏漂移和信号衰减问题。•在 RepCount、Countix 和 UCFRep 基准测试上

  来源：Pattern Recognition

  时间：2026-10-25

• 面向开放集节点分类的未知感知图一致域适应网络

  • 我们的工作为图开放集域适应提供了一种更细粒度的新方法。 • 我们将未知类别分离的焦点从传统的节点级特征转向了类别级分布。 • 我们尝试通过为已知节点学习域无关且具有判别力的特征，探索图掩码建模在提升域适应能力方面的潜力。 • 我们的方法在节点分类任务上优于现有的最先进的图

  来源：Pattern Recognition

  时间：2026-10-25

知名企业招聘：