多云和多雨的环境在热带、亚热带和其他经常受云量和降雨影响的地区很常见。这些具有挑战性的条件对遥感数据的采集、处理和应用构成了重大障碍，同时也激发了方法和技术的创新。这些地区有效的遥感方法和应用对于支持环境监测、灾害管理和可持续发展至关重要，使其成为环境遥感研究的重点。本特刊旨在推动遥感在恶劣天气条件下应用的方法和技术进步，并支持云雨环境中的可持续发展。

从 2D 图像重建逼真的场景是一个长期的基础研究领域，涵盖计算机视觉、图形学和摄影测量。这项研究的许多应用，例如在自主导航、增强现实、智慧城市、救灾规划等方面，可以极大地造福社会。虽然场景重建（例如基于神经辐射场）已经获得了巨大的兴趣和进展，但野外、大规模逼真的 3D/4D 重建和新颖的视图合成仍然是一个高度复杂的问题。从广义上讲，场景重建可以分解为相机校准和密集重建/视图合成。从相机校准的角度来看，来自不同传感器类型的稳健特征匹配和校准仍然具有挑战性。从密集重建和渲染的角度来看，选择正确的 3D 表示和解决各种多视图不一致仍然是悬而未决的问题。最后，整合先验知识的最佳方法引起了人们的极大兴趣。本期特刊邀请创新研究论文，旨在应对这些挑战并提出大规模稳健 3D 重建的新技术。

遥感正经历前所未有的数据革命，标志着来自多种传感器和多样化的地球观测数据的爆炸性增长，覆盖多个分辨率。虽然这种多模态数据的涌入为理解复杂的地理空间现象提供了巨大的潜力，但也带来了重要的挑战：标记数据有限、来源或区域之间存在显著的领域转移，以及融合不同模态的困难。多模态迁移学习（MTL）已成为一个关键解决方案，将知识从数据丰富的领域转移到数据稀缺的领域，以释放多模态观测数据的协同价值。通过连接计算机视觉、机器学习和遥感，本特刊旨在建立一个最先进的参考，促进基准开发，并推动全球地球监测和可持续资源管理的稳健、高效智能系统的进步。

海洋立体观测通过多源遥感、声呐及水下成像等技术，构建了海洋环境的全方位数据体系，为科学研究、资源开发和生态保护提供了关键支撑。随着人工智能技术的快速发展，海洋观测正经历一场从“静态感知”向“智能理解”转变的深刻变革。多源异构数据的融合感知、海洋环境的精准建模、动态系统的智能分析以及场景感知的任务决策，正在重塑海洋立体观测的技术范式,推动其从数据获取走向知识发现。本特刊旨在探讨AI驱动的图像与图形技术在海洋立体观测中的创新应用，聚焦海洋复杂场景下从数据感知到语义理解再到实践应用的技术挑战，促进前沿技术在海洋环境监测、灾害预警、生态保护等方向的落地应用,提升海洋立体观测的智能化水平。

水下环境中的准确 3D 感知已成为各种海洋工程任务的关键要求，例如海底基础设施检查、水下航行器的自主导航、栖息地测绘和环境监测。然而，浊度、光散射、能见度有限和动态水流等水下条件使得传统成像技术无效。为了克服这些挑战，研究人员开发了广泛的声学（例如多波束声纳、侧扫声纳）和光学（例如立体视觉、激光扫描、光度立体、基于 SLAM）的水下 3D 重建方法。本特刊旨在探讨水声和光学三维重建技术的最新进展及其在以工程为重点的海洋应用中的实际应用。我们欢迎高质量的原创研究，通过硬件创新、先进算法、多模态传感器融合和在真实海洋条件下的实验验证来应对水下 3D 重建的挑战。

随着高光谱传感器在航空、太空和地面平台上的普及，光谱数据的量和复杂性已经超出了传统分析方法的极限，这进一步加大了对高效和可扩展分析技术的需求。同时，人工智能的进步为释放高光谱数据的潜在潜力提供了前所未有的机会，开辟了从算法到应用的新领域，并改变了我们分析和解释复杂光谱信息的方式。然而，尽管有这些进展，在将人工智能应用于高光谱遥感方面仍然存在关键的差距，包括标签稀缺、模型泛化、计算成本等。因此，如何有效解决这些挑战，以充分释放人工智能在高光谱遥感中的潜力，已成为一个亟待解决的紧迫挑战。本特刊旨在通过展示人工智能与高光谱遥感交叉领域的前沿研究来应对这些挑战。通过将基础算法进展与实际实施案例研究结合在一起，帮助定义智能高光谱分析的未来发展轨迹。

为深入探讨前沿挑战与技术突破，推动科研成果在国家重大需求和战略新兴产业中的落地，《计算机科学与探索》特设 “极端环境图像处理与应用” 专题。本专题旨在汇聚极端环境下的图像增强复原、目标检测识别、跨模态融合、数据集与评测体系等领域的最新研究进展，搭建学术界与工业界开放交流平台。欢迎学术界与工业界同仁踊跃投稿，共同推进极端环境图像处理技术的理论创新与应用实践！

自 2010 年卷积神经网络复兴以来，计算机视觉一直是深度学习技术最具活力的领域之一。近年来，图像和视频合成与生成、3D 视觉、视觉语言模型和多模态学习逐渐成为该领域的研究热点。自然语言处理领域的大型语言模型 的变革浪潮激发了对其在计算机视觉中潜力的进一步探索。在这种情况下，AI 需要沉下来处理更多底层信号或硬件信息。本期特刊希望通过关注信号处理和计算机视觉领域 AI 技术的最新进展来记录和推动这一趋势。

各个领域的视频内容快速增长，导致对更智能、更高效的视频理解和评估技术的需求不断增长。本特刊重点介绍多模态信息（如音频、文本和传感器数据）与视频的集成，以增强处理、分析和解释。多模态驱动的方法对于许多实际应用至关重要，包括自动监控、内容推荐和医疗保健诊断。本期特刊邀请了有关视频捕获、压缩、传输、增强和质量评估等主题的前沿研究，以及深度学习、多模态融合和实时处理框架方面的进步。