-
无处不在的遗留技术:过去那些“近未来”设想留下的痕迹
泛在计算长期受“近未来”驱动,但当这些愿景实现后,技术如何持续存在?基于上海公共-私人智能养老项目的长期民族志研究,发现智能床和机器人等虽未被使用且难以移除,仍作为物质和社会存在影响日常生活。提出“持续存在”分析框架,扩展技术责任伦理至物质和时间维度的持久性。
来源:Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies
时间:2026-03-17
-
在多扬声器场景中,利用商用毫米波雷达辅助的声学窃听技术
mmMPS基于商用毫米波雷达实现多人语音窃听,创新采用对象振动信号提取与LAM大模型结合的方法,突破传统单语种假设限制,在7人场景下仍保持低于30%的识别错误率,填补多说话人场景下毫米波窃听技术空白。
来源:Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies
时间:2026-03-17
-
Vsens:将扩展现实(XR)技术应用于虚拟惯性测量单元(IMU)数据的采集过程中
虚拟IMU合成系统Vsens通过XR环境统一虚拟IMU配置、可视化与数据生成,提升人体活动识别开发效率并增强传感器空间理解,用户研究验证其有效性。
来源:Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies
时间:2026-03-17
-
MURAL-Fi:一种利用WiFi实现多用户呼吸识别的认证技术
集成WiFi通信与生命体征感知,基于802.11bf标准提出多用户呼吸认证系统MURAL-Fi,通过迭代优化抑制干扰并定位胸腔区域,结合Siamese神经网络实现身份感知认证,实验验证其在多场景下的高精度和抗欺骗攻击能力。
来源:Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies
时间:2026-03-17
-
利用人工智能和基于后量子密码学的水印技术增强深度伪造检测能力
本文针对深度伪造技术威胁数字信息安全的问题,提出结合自定义自动编码器(CA)与后量子密码学技术的新型检测方法。通过RetinaFace定位面部与非面部区域,嵌入加密哈希并验证一致性,实验表明该方法PSNR达80.29 dB,SSIM为0.90,检测准确率96%,可有效识别面部及背景篡改。
来源:IEEE Transactions on Computational Social Systems
时间:2026-03-17
-
基于编译器优化的SMT简化技术:一项深入研究
SMT求解器作为程序验证、修复和合成的核心工具,其预处理中的公式简化直接影响效率。本文通过迭代搜索优化编译器配置,在大型基准测试中实现几何平均2.96倍于默认求解器、2.12倍于SLOT的速度提升,并验证机器学习可自动适配优化配置,较Z3和CVC5分别提升15%和54%。研究揭示了编译器优化与SMT简化的协同潜力,并提出多模态融合优化框架和动态配置存储器作为未来方向。
来源:ACM Transactions on Software Engineering and Methodology
时间:2026-03-17
-
基于需求覆盖度的自然语言测试用例最小化方法
测试套件冗余问题及RTM方法研究,通过自然语言处理将测试用例映射为向量,利用遗传算法在预算约束下优化选择高相似性用例以降低冗余,同时保持需求覆盖率和故障检测率。工业汽车系统数据集验证RTM在多数预算下优于基线方法。
来源:ACM Transactions on Software Engineering and Methodology
时间:2026-03-17
-
UPC 2
L:统一原型约束的跨域对比学习方法,用于不平衡的高光谱图像分类
高光谱图像分类中存在长尾分布导致的样本不均衡问题,现有方法在跨域对比学习中未充分考虑类别不平衡。本文提出UPC-L框架,通过设置共享类原型的超球面约束实现特征空间平衡,设计跨域和类内对比策略UPDC提取不变特征,并采用CTSF伪标签生成策略优化迭代训练。在三个标准数据集上验证,有效提升少数类分类性能。
来源:IEEE Transactions on Multimedia
时间:2026-03-17
-
功能需求分析及处理:任务、技术及趋势
本研究系统综述了功能请求领域,分析140篇文献按需求工程活动分类,提出质量保障、规格验证及基准数据集开发等挑战与机遇,成果公开于GitHub。
来源:ACM Transactions on Software Engineering and Methodology
时间:2026-03-17
-
通过反馈增强的基于特征的上下文学习方法识别隐喻成分
隐喻组件通过源域与目标域词汇关联促进复杂概念认知,本研究提出基于LLM的FF-ICL框架,融合上下文学习与人类反馈机制。通过机器反馈构建示范池,引入多头图注意力网络捕捉语言结构信息,形成特征丰富的向量库,结合上下文提示优化LLM隐喻识别能力。实验验证了该框架在公共数据集上的优越性,并证实隐喻组件对下游计算隐喻任务的关键作用。
来源:ACM Transactions on Asian and Low-Resource Language Information Processing
时间:2026-03-17