1391.
目的 图像超分辨率任务旨在从低分辨率图像中恢复出高分辨率图像。传统方法通常将研究范畴限定于实验室封闭环境下采集的、内容与退化类型均较为单一的静态域图像,并且假设训练环境与测试环境的数据分布相近。因此,当处于开放环境,面对诸如噪声、模糊以及光照变化等域漂移问题时,传统方法的性能会急… … 相似文献
刘烨;鲍娜;曹克让;陈吉;王星 《中国图象图形学报》2025,(8):2645-2659
1392.
针对现有基于深度学习的立体视频压缩网络几乎只采用卷积操作来提取和融合特征,导致无法有效捕捉局部范围内的非重复纹理细节和忽略了全局特征等缺陷,严重影响了解码过程中图像重建质量的问题,提出了一种双分支注意力网络（DAN）,通过开发和融合区域范围内的逐像素相似性和整幅图像的全局结构特征… … 相似文献
唐述;赵瑜;杨书丽;谢显中 《通信学报》2025,46(8):135-151
1393.
内容缓存技术被认为是提升移动网络服务性能的一种有效方法,其中缓存策略至关重要。为了提高缓存策略对用户动态业务性能需求的适应性,该文提出一种具备多维性能自适应能力的内容缓存策略。在该策略中,通过对传输时延效率、缓存命中率和缓存冗余指数多维指标进行建模,构造内容缓存联合优化问题,并设… … 相似文献
林鹏;王俊;刘艳;张治中 《电子与信息学报》2025,47(8):2598-2607
1394.
航迹预测在飞机舰船交通管理、路径规划和安全监测等领域具有重要意义。针对现有Transformer模型在航迹预测任务中存在的训练收敛速度慢、模型过拟合、长时误差大等问题,该文提出一种融合兴趣点和联合损失函数的长时航迹预测模型(PL-Transformer)。首先,通过专家经验定义预… … 相似文献
周传鑫;简刚;李凌书;杨壹;胡宇;刘正铭;张伟;饶真珍;李云霄;吴超 《电子与信息学报》2025,47(8):2841-2849
1395.
在硬件安全领域,各种侧信道攻击已受到广泛关注,这类攻击利用硬件泄漏的物理信息来推断密钥等敏感信息,其中能量分析攻击是最受关注的侧信道攻击技术之一。针对高级加密标准的能量分析攻击方法相对成熟,对于SM4算法,由于其轮运算包含特殊的线性变换模块,使得能量分析攻击更加困难。针对SM4的… … 相似文献
唐啸霖;冯燕;李志强;郭叶;龚关飞 《电子与信息学报》2025,47(8):2791-2799
1396.
针对6G天地一体通感算智能协同网络(6G Integrated Communication, Sensing, and Computation Enabled Satellite-Terrestrial Intelligent Network, 6G-ICSC-STIN),该文在… … 相似文献
1397.
针对属性基加密方案中恶意用户追踪机制单一的问题,提出一种可扩展且支持多种追踪机制的属性基加密方案。首先,白盒追踪通过短签名实现,黑盒追踪通过将用户信息嵌入密钥和构造追踪密文来实现,提供了完备的恶意用户追踪能力。其次,设计了独立于属性空间的系统初始化机制,支持属性动态扩展而无须系统… … 相似文献
谢晴晴;朱法铜;冯霞 《通信学报》2025,46(8):119-134
1398.
本文提出了一种基于改进去噪扩散概率模型（DDPM）的图像修复方法,特别适用于人物图像的修复任务.与传统图像修复方法相比,本方法通过引入渐进式采样策略和采样调度机制,提高了修复质量和效率.此外,本文还在模型微调中应用了LoRA技术,通过低秩矩阵分解大幅减少了计算资源的占用并应用缩放… … 相似文献
郑志强;王怿 《小型微型计算机系统》2025,46(8):1950-1959
1399.
针对现有虚假新闻检测方法在提取和利用新闻多层次特征及捕获新闻传播高阶结构特征方面的局限性,该文提出一种多源特征融合增强(MSFFE)的虚假新闻检测方法。该方法利用多层次注意力机制,从结构、时序和内容3个维度提取新闻特征：首先,通过增强型超图神经网络提取新闻传播的结构特征;其次,利… … 相似文献
胡泽;陈志南;杨宏宇 《电子与信息学报》2025,47(8):2919-2934
1400.
针对现有的多模态活产预测模型中,由于输入比例失衡、互补模态间信息融合不足、囊胚图像差异性小以及数据集类不平衡等带来的模型预测性能不高的问题,本文提出了一种双向注意力的多模态Transformer活产预测模型.首先,该模型使用多模态增强模块平衡了各模态输入的比例,并提高了各模态特征… … 相似文献
简献忠;贺林涛;郭强;张武文 《小型微型计算机系统》2025,46(8):1935-1941
关于我们 |
广告服务 |
商务洽谈 |
联系我们 |
免责条款 |
隐私声明 |
网站导航
网站版权所有：中国科学院软件研究所 京ICP备09084417号-9
地址：北京海淀区中关村南四大街4号 邮编：100190 电话：010-62562563 E-mail ： cj_mail@jscas.ac.cn
本系统由:北京勤云科技发展有限公司提供技术支持
网站版权所有：中国科学院软件研究所 京ICP备09084417号-9
地址：北京海淀区中关村南四大街4号 邮编：100190 电话：010-62562563 E-mail ： cj_mail@jscas.ac.cn
本系统由:北京勤云科技发展有限公司提供技术支持
