-
BinParam:通过分布对齐和正交残差实现二值化的人类参数建模
二进制卷积神经网络参数化人体/手部网格重建框架提出熵蒸馏特征对齐和正交残差补偿模块解决二值化带来的分布偏移与表示退化问题 在计算效率提升近九倍的同时保持与全精度模型相当的重构精度
来源:Neurocomputing
时间:2026-04-06
-
LG-RobustSAM:一种适用于退化场景的轻量级且鲁棒的分割模型
提出基于知识蒸馏和渐进式鲁棒提示蒸馏的轻量级模型LG-RobustSAM,在降低79%参数量的同时实现15倍加速推理,有效缓解图像退化导致的分割不稳定问题。
来源:Neurocomputing
时间:2026-04-06
-
动态提示增强型多模态双分支小样本时间序列预测
动态提示生成与多模态融合的时间序列预测模型Time-DPMB,通过对比学习构建异构特征空间,采用平行协注意力机制实现多模态渐进式融合,有效缓解少样本场景下的数据稀缺问题,实验表明在多种基准数据集上均优于基线模型。
来源:Neurocomputing
时间:2026-04-06
-
综述:动态系统中归零神经网络(ZNN)的协同优化:演变、进展与应用
零化神经网络(ZNNs)作为解决时变问题的有效工具,其核心在于误差零化动态模型。研究重点从单一性能优化转向协同优化设计,涵盖参数-激活协同优化、结构级合作与控制策略整合,并形成跨场景统一建模框架。本文系统梳理了ZNNs的演进路径,技术实现路径在机器人控制、多智能体系统、在线优化等典型任务中的应用,以及协同优化中的实时性与鲁棒性权衡,最后探讨了统一建模与高效部署的未来挑战。
来源:Neurocomputing
时间:2026-04-06
-
利用语言先验进行红外小目标检测
红外小目标检测多模态框架LGNet首次整合语言指导和视觉信息,利用GPT-4生成目标位置文本描述指导模型注意力机制,构建LangIR数据集包含图像和文本模态,实验在IoU、nIoU等指标上显著优于传统方法,相对提升达4.41%-113.43%。
来源:Neurocomputing
时间:2026-04-06
-
打破偏见:通过去噪技术增强基于曲线的曝光校正器
曲线增强噪声抑制双目标优化与自适应演化框架研究,提出PACT策略通过空间扰动构建卷积式感受野实现曲线增强与噪声抑制协同优化,并扩展为SEC动态自演化框架。
来源:Neurocomputing
时间:2026-04-06
-
BANet:一种基于桥式结构和注意力机制的脑电图(EEG)解码网络
运动想象EEG解码中提出基于桥接结构和注意力机制的BANet模型,有效融合局部与全局时空特征提升解码性能。
来源:Neurocomputing
时间:2026-04-06
-
基于语义引导的双分支原型网络,结合动态边界机制,用于少量样本的工业故障诊断
本研究提出语义引导双分支原型网络(SDPN)解决小样本故障诊断问题,通过传感器分支和文本分支融合多模态信息,设计语义原型对齐模块(SPAM)增强原型表征能力,动态边界适应机制(DMAM)根据类间语义关系自适应调整分类边界,在TEP和Al-SEP基准上分别提升7.10%和5.86%的诊断性能。
来源:Neurocomputing
时间:2026-04-06
-
通过多视图配准和双残差分析来探测三维异常
3D点云异常检测方法中,针对稀疏无序数据和小样本正常数据,提出多视角初始姿态生成、增强粗到细配准及几何特征残差融合的框架,在两个基准数据集上验证其有效性并提升4.1%和1.8%的物体级AUROC。
来源:Neurocomputing
时间:2026-04-06
-
DST-Net:一种闭环双流变换器,结合身份引导的视频抠图技术,用于可见光和红外图像中的人体重新识别
双流Transformer框架DST-Net解决可见光-红外ReID跨模态差异与时空干扰,结合多因素图优化与三重掩码损失,提出时空结构化matting生成 temporally consistent foreground alpha mattes,构建闭环检测- matting-识别流程,在自建NPU-ReID等数据集上Rank-1达94.41%,实时32.95 fps。
来源:Neurocomputing
时间:2026-04-06