-
UniAD:一种统一的跨模态提示正则化方法,用于实现跨领域的零样本异常检测
零样本异常检测框架UniAD通过跨模态表示模块和知识引导的提示正则化策略,解决了现有方法在异常定位和跨域泛化上的不足,在工业与医疗数据集上实现最优性能。
来源:Neurocomputing
时间:2025-12-11
-
MFI-LPO:一种基于特征竞争的扰动方法,用于规避面部识别操控系统
保护个人面部隐私数据至关重要,但现有方法存在过拟合和视觉效果不自然的问题。本文提出MFI-LPO模型,通过混合特征集成(MFI)模拟 clean 与 adversarial 特征的交互,增强自然性;局部扰动优化(LPO)在单图内优化扰动,提升鲁棒性。实验表明,该模型在大型面部属性数据集上成功率达78%-99%,优于现有方法,且无需额外数据训练。
来源:Neurocomputing
时间:2025-12-11
-
基于频率分离的联合决策归一化流方法,用于工业异常检测与定位
针对工业缺陷检测中频率偏置导致的模型学习不均衡问题,本文提出基于频率分离的联合决策归一化流方法(FJ-Flow)。通过Vision Transformer分离低频与高频特征,分别采用归一化流建模各频段分布,结合特征融合注意力机制实现跨频段信息交互,最终通过联合分布决策生成高精度异常评分。实验表明在MVTec AD和BTAD数据集上,该方法AUROC达99.5%,AUPRO达98.2%,显著优于现有方法。
来源:Neurocomputing
时间:2025-12-11
-
PointT2I:基于大语言模型(LLM)的文本到图像生成技术,通过关键点实现
文本到图像生成中,基于大型语言模型(LLM)的框架PointT2I通过直接生成人体关键点实现无微调的姿势精准控制,结合双向反馈系统提升语义一致性,有效应对复杂人体姿态描述。
来源:Neurocomputing
时间:2025-12-11
-
综述:利用地球物理方法量化地下生物量以及水-土-植物相互作用:一项基于直接方法的系统文献综述
地下生物量估算的地球物理方法研究:以巴西Cerrado biome为例
|系统文献综述|地球物理方法|地下生物量|Cerrado biome|临界带|碳储量|根解剖结构|电学性质|土壤-植物-水系统|误差减少
来源:Next Research
时间:2025-12-11
-
使用扩展面板VAR-GMM方法对G20国家中化石燃料、可再生能源与能源需求之间的动态关系进行建模
能源转型背景下G20国家化石燃料与可再生能源的动态交互机制研究。采用扩展PVAR-GMM模型分析2010-2021年G20国家化石燃料消费、可再生能源使用、天然气生产与能源需求的关系,揭示双向反馈、初级需求主导及系统稳定性特征,提出需求侧管理、政策协同和基础设施升级的转型路径。
来源:Next Research
时间:2025-12-11
-
基于全局背景的轻量化表面缺陷检测网络的精细化处理与数据聚合技术
安全强化学习算法CRAPO通过未折扣安全约束优化和MDMM约束管理,实现有限时间域下的稳定风险控制与安全满足,实验表明其在安全健身房测试中优于现有方法。
来源:Pattern Recognition
时间:2025-12-11
-
DPtSTrip:一种具有距离感知的点对集三元组损失机制的对抗性鲁棒学习方法
轻量级全局上下文引导的缺陷检测网络GCRANet通过深度可分离自注意力模块捕获全局特征,结合通道交叉注意力模块抑制背景噪声,在五组公开数据集上实现检测速度272.2 fps,参数量1.84M,精度显著优于现有方法。
来源:Pattern Recognition
时间:2025-12-11
-
利用字符和文本长度引导的文本超分辨率技术,突破场景文本识别的极限
场景文本低分辨率识别中,传统方法将超分辨率与识别作为独立任务处理,导致性能受限。本文提出统一端到端框架,通过迭代策略实现超分辨率与识别的联合优化,并引入字符特征和文本长度双感知先验,提升图像重建质量与识别精度。实验表明,该方法在多个基准数据集上显著优于现有方案。
来源:Pattern Recognition
时间:2025-12-11
-
一种基于联邦学习的多时空联合下一兴趣点(Next-POI)旅行序列推荐方法
Compositional Zero-Shot Learning (CZSL)通过构建语义和视觉亲和的多层次 clique 结构优化视觉-语义对齐,缓解过拟合并增强语义关系建模。
来源:Pattern Recognition
时间:2025-12-11