AAAI2026-第一阶段开奖
NeurIPS2025-论文开奖
ICLR2026-摘要注册
ICLR2026-正文提交
00天 00: 00: 00
未开始
Ocean Engineering | Special Issue on Multimodal 3D Perception for Underwater Engineering: Acoustics, Optics and Integrated Solutions
进行中
Pattern Recognition | Special Issue on Foundation Models and Prompting for Visual Tasks in Harsh Conditions
Visual Intelligence | Special Issue on Controllable Artificial Intelligence Visual Content Generation
00/00
共29条结果
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!
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。
地理空间图像分析已成为跨不同领域的关键任务应用的基石,从城市建模(例如,能见度下降的多传感器无人机导航)到动态环境监测(例如,近乎实时的灾难响应),以及基础模型驱动的场景解释的不断兴起的范式。这些应用从根本上依赖于从图像中提取准确的几何、空间、时间和光谱信息。不幸的是,它们的实际部署面临三个限制:不良成像条件(大气干扰(云/雾霾)和不利照明(阴影/弱光)),单传感器限制和泛化差距。为了突破这些困境,我们现在发出论文征集,以进一步推进这一关键领域的研究和解决方案。我们邀请研究人员、学者和从业者发表原创研究论文,探讨与地理空间图像感知和理解相关的最新发展、创新方法和实际应用,特别是在具有挑战性的现实条件下。
传统的单源视觉模型在复杂的现实环境中往往因噪声、遮挡或模式限制而表现不佳。多源视觉融合旨在通过结合来自不同数据模式的互补信息来克服这些限制,从而实现更强的感知和高水平的场景理解。除了简单的融合,下一个前沿在于实现认知层面的智能——机器不仅能以类似人类的方式看到、理解、推理和解释多模态视觉数据。本期专刊旨在汇集多源视觉融合、深度学习架构、跨模态表示学习和神经符号推理的最新进展。我们特别关注能够弥合低级感知和高级认知理解之间差距的创新解决方案,使机器能够在复杂场景中做出值得信赖和可解释的决策。
“传感智能和机器学习”描述了人工智能 (AI) 和机器学习 (ML) 方法与传感器技术的结合。这种融合提高了传感器功能,提高了准确性、灵敏度和适应性。“传感智能和机器学习”的应用包括医疗保健和生物医学工程、自动驾驶汽车等。本特刊旨在探索深度学习在提高成像传感器分辨率和准确性方面的应用和在机器人技术中使用传感器融合和机器学习进行环境交互和导航。
基础模型的出现(如 CLIP、DINO、SAM、BLIP、Segment Anything 和扩散模型)彻底改变了视觉表征学习,使得零样本迁移和跨多种任务的统一建模成为可能。然而,在极端低光、浓雾、水下、运动模糊和低分辨率等恶劣视觉条件下,这些模型的鲁棒性和适应性仍未被充分探索,且高度依赖具体应用场景。本专刊诚邀原创研究文章,探讨如何适配、增强或微调基础模型及基于提示的学习范式,以在退化视觉环境下实现稳健性能。
在过去十年左右的时间里,以深度学习为代表的人工智能技术取得了显著的进步,尤其是在信号处理和计算机视觉领域。在这些领域,基于深度学习的方法正在以前所未有的速度迭代和商业化,极大地改变了人类的生活、学习和工作方式。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。本期特刊旨在突出图像和视频处理领域的最新突破和应用,并具有双重关注点。首先,它探讨了用于数据采集和可视化的尖端设备的新用途。其次,它深入研究了处理大规模数据集的新方法,利用现代模式识别和机器学习技术来推进图像分析的最新技术。