• Fed-ASTGCN：一种用于联邦时空交通预测的组件特定聚合策略

  •联邦ASTGCN，结合门控膨胀卷积、自适应图学习和MLP预测头。•组件级聚合，对空间参数采用softmax温度加权。•在高度非独立同分布（Non-IID）偏差条件下，在PEMS04、PEMS07、PEMS08上取得最优联邦平均绝对误差（MAE）。•在中等偏差条件下，组件级聚

  来源：Neurocomputing

  时间：2026-09-18

• 面向图像融合的多退化多任务一体化框架

  摘要现有的多模态图像融合方法通常假设理想的成像条件，无法有效地处理现实世界中的退化问题。此外，大多数融合方法往往仅关注单一融合场景下的特定退化类型，忽略了不同任务或退化条件下共享的信息和内在联系。为了解决这些局限性，我们提出了一种集成多种融合任务和退化条件的统一图像融合方法，

  来源：Neurocomputing

  时间：2026-09-18

• 高斯点云自编码器用于部分点云重建

  摘要：部分点云重建支持在遮挡和有限感知条件下的3D感知。我们提出了高斯点云自动编码器（GPAE），这是一个轻型网络，可以从一个部分视图重建完整的点云。图编码器推断出明确的高斯均值和尺度，而条件补丁解码器生成局部表面。权重向量和分解至少减少了高斯编码器的参数数量，而随机视角采样提高

  来源：Neurocomputing

  时间：2026-09-18

• REAL：面向多种天气条件下可靠感知的表征自适应退化定位方法

  •提出了一种用于全合一恶劣天气去除的非配对框架。•从表征质量的角度重新审视退化定位。•表征适应提升了混合退化条件下的定位可靠性。•定位轨迹学习逐步优化退化感知能力。•改进的图像恢复增强了自动驾驶的感知鲁棒性。引言恶劣天气条件，如雨、雪和雾霾，会严重降低图像质量并阻碍下游视觉应

  来源：Neurocomputing

  时间：2026-09-18

• 通过范数正则化和随机 ADMM-PDPF 优化算法实现图像去模糊

  • 本文将图像去模糊视为一个控制问题，并对梯度采用范数正则化，为该领域提供了一个独特的视角。 • 主要目标是确保所提出的随机 ADMM-PDPF 算法的收敛性，突显其鲁棒性和可靠性。 • 数值实验验证了所提模型的有效性。 引言 近年来，成像科学取得了显著进展，应用范围从消费

  来源：Neurocomputing

  时间：2026-09-18

• **用于可泛化注视点估计的多模态解耦表示学习** 逐词解析： - **Learning** — 学习 - **multimodal** — 多模态（指融合多种数据类型，如RGB图像、深度图等） - **disentangled representations** — 解耦表示（将数据中不同的特征因素分离开来建模） - **for generalizable** — 用于可泛化的（指模型能在新场景、新用户上保持良好性能） - **gaze estimation** — 注视点估计（预测人的视线/注视方向的计算机视觉任务） 整体含义：通过学习将多模态数据解耦为独立表征的方法，提升注视点估计模型在未见场景下的泛化能力

  •粗到细提示将视觉语言模型适配用于连续注视回归。•双流模块显式解耦纯注视与领域特定噪声。•对抗学习利用辅助领域强制领域不变性。•我们的方法在跨领域基准测试上实现了高达26.9%的相对误差降低。引言注视是人类交流中的重要非语言信号。高精度的注视估计为人类行为分析提供了基本支持，

  来源：Neurocomputing

  时间：2026-09-18

• 基于先验指导的锚点条件扩散算法在水下图像增强中的应用

  •我们提出了一个基于先验的、带有条件约束的扩散框架，用于水下图像增强。•通过结合水下图像退化先验、结构恢复和动态颜色校正，我们生成了一个抑制退化的恢复锚点。•我们利用这个恢复锚点来指导扩散过程的精细化处理，从而改善了颜色一致性、结构保真度和视觉质量。引言水下图像增强（UIE）是一

  来源：Neurocomputing

  时间：2026-09-18

• 与显示介质视觉环境中感知色彩和谐性相关的心身生理反应

  •感知色彩和谐度与多维度的主观体验相关。•主动评价比被动观看产生了大 0.219 毫米的瞳孔反应。•主要混合效应模型未显示与和谐度相关的稳健自主神经效应。•线性模型与对数模型均能描述亮度—瞳孔关系。•研究结果支持对显示器中介的视觉体验进行多模态评估。引言色彩和谐度被定义为色相

  来源：Displays

  时间：2026-09-18

• 迈向绿色物联网：雾云连续体中的能量感知容器化服务放置

  • 本文的主要贡献如下： • 提出了一个全面的能量感知服务放置模型，适用于物联网-雾-云容器环境，考虑了计算和网络传输能耗、容器生命周期、资源利用率以及SLA约束 • 提出了一种新颖的基于能量的容器化服务调度器（EACSS），由基于GNN的状态编码和分层MAPPO框架组成，以

  来源：Sustainable Computing: Informatics and Systems

  时间：2026-09-18

• 基于平滑组稀疏正则化的卷积神经网络结构化剪枝

  - 我们提出了用于结构化卷积神经网络（CNN）剪枝的 SGL2,q 正则化方法，其中 0 < q < 1 - 分段平滑消除了 L2,q 的奇异性，从而实现稀疏性和稳定优化 - SGL2,q 无需额外微调即可对滤波器与神经元实现联合稀疏化 - 实验在关键指标上取得了超过现有剪枝

  来源：Pattern Recognition Letters

  时间：2026-09-18

知名企业招聘：