• 基于同态加密与差分隐私的安全高效多模态情感分析

  **摘要** 多模态情感分析（MSA）处理面部表情、声音模式和语言选择，这些均构成敏感的生物特征数据，容易受到先进深度伪造技术的滥用。因此，任何执行此类分析的系统都必须实施稳健的措施来保护用户隐私。然而，开发此类系统一直十分困难，主要面临两大挑战：计算量增加和效用降低（例如模

  来源：Neurocomputing

  时间：2026-09-19

• 潜在焦点软融合：面向多焦点图像堆栈的焦点推理与源像素合成解耦

  • 图像融合中聚焦推理与源像素合成相分离。 • 掩码竞争产生全焦段图像中可解释的权重。 • 配对对照将学习式评分与固定聚焦度量分离开来。 • 测试涵盖25,773个真实光学采集的白细胞全焦段图像堆叠。 • 轨迹训练的鲁棒性效应呈混合、依赖于条件。 **引言** 多焦图像堆

  来源：Neurocomputing

  时间：2026-09-19

• 面向高保真技能迁移的神经肌肉-机器人协同：基于sEMG介导的智能不确定性补偿实现自适应阻抗控制

  摘要 遥操作系统中有效的技能迁移要求准确捕捉人类神经肌肉意图，并将其转化为物理人机协作过程中的自适应交互控制。然而，现有的遥操作方法主要以位置为基础，无法反映实时肌肉激活动力学，导致透明度有限和运动技能迁移保真度不优。本文提出了一种基于表面肌电信号（sEMG）驱动的意图自适应

  来源：Neurocomputing

  时间：2026-09-19

• UEMask：个性化扩散模型中用于隐私保护的高保真不可学习样本

  摘要 个性化文本到图像（T2I）微调方法，例如 DreamBooth，使模型能够从仅少数几张参考照片中合成出逼真的特定身份图像。虽然功能强大，但这种能力也放大了隐私风险，因为公开共享的图像可能被利用来生成冒名或未经同意的内容。一种常见的防御方法是将图像转换为不可学习样本（UE

  来源：Neurocomputing

  时间：2026-09-19

• 基于视频帧时间特征差异的自监督时间签名分割

  **摘要** 在手语处理中，时间手语切分（temporal sign segmentation）旨在将连续手语划分为其最小词汇单元——标注（gloss），是手语识别与翻译中一项关键的预处理步骤。与通常包含明显场景切换或背景变化的典型视频不同，手语视频中的边界检测必须完全依赖签

  来源：Neurocomputing

  时间：2026-09-19

• ACTED：基于行为与条件的时间序列证据学习方法，用于早期检测大规模语言模型（LLM）驱动的恶意账户

  摘要：由大型语言模型（LLM）驱动的恶意账户对平台早期防御构成了挑战，不仅因为它们的单个帖子看起来流畅且与用户身份一致，还因为它们的有害行为在完整的账户历史记录出现之前就已经展开。现有的社交机器人检测器已经从手工制作的特征发展到基于图和多模态的学习方法；然而，许多检测器仍然假设证

  来源：Neurocomputing

  时间：2026-09-19

• 基于脉冲神经网络与扩散模型的事件驱动图像遮挡去除

  摘要减轻前景遮挡以揭示被遮挡的场景在侦察、搜索和救援等各种应用中具有重要意义。然而，在密集遮挡环境中对遮挡物体进行可视化仍面临诸多挑战。近年来，基于事件的技术已成为一种穿透密集遮挡并有效捕捉高速运动的可行解决方案。然而，这些方法在稀疏遮挡、离焦目标和高动态范围场景中会出现性能

  来源：Neurocomputing

  时间：2026-09-19

• 时序一致性增强的神经算子——面向冰盖演变的数据高效模拟器

  •我们开发了一种数据高效的神经算子，用于冰盖模拟。•双编码器提高了效率和跨分辨率鲁棒性。•有限差分一致性损失减少了长时序漂移。•该模型在各种分辨率和低数据条件下均优于强基线方法。引言格陵兰和南极陆地冰的快速流失是当代海平面上升的主要驱动因素之一。基于这些观测，理解和预测冰盖动

  来源：Neurocomputing

  时间：2026-09-19

• 基于层次动态图的自适应可靠性耦合深度半NMF多视图聚类

  摘要深度半NMF（Deep Semi-NMF）为多视图聚类提供了一个可解释的框架，但其性能既依赖于可靠的表示学习，也依赖于邻域关系的保持。现有方法通常将样本可靠性与图更新独立处理，导致不可靠样本可能扭曲潜在几何结构，而反复的图重建又可能丢弃有信息量的邻域关系。为解决这一问题，

  来源：Neurocomputing

  时间：2026-09-19

• 面向无样本持续图学习的实例-原型亲和性学习

  • 实证和理论研究表明，原型对比学习（PCL）比原型回放（PR）引发的特征漂移更少。 • 我们提出了一种基于PCL的新型非范例持续图学习（NECGL）范式，有效地平衡了稳定性与可塑性。 • 我们将图拓扑结构融入原型计算中，以提升学习能力。 • 我们提出了一种灵活的蒸馏方法，在

  来源：Pattern Recognition

  时间：2026-09-19

知名企业招聘：