窄角相机月球影像自适应多尺度超分辨率重建

下载全文  

目的 针对月球南极窄角相机（narrow-angle camera, NAC）影像因“求和”模式导致空间分辨率显著下降、关键地貌模糊的问题,本文旨在通过超分辨率技术恢复其精细地貌,为月球科学与探测任务提供高质量数据。方法 构建模拟NAC“求和”模式下多尺度退化的月球影像数据集,通… …   相似文献

苗丁锐博;鄢建国;涂志刚;Jean-Pierre  Barriot 《中国图象图形学报》2025,(9):3050-3065

融合多阶段差分特征的光场图像显著性检测

下载全文  

目的 光场图像因其能够捕捉不同深度的场景细节信息,可以有效提升显著性检测的效果。然而,焦点堆栈图像虽然富含深度信息,但不同焦平面中存在的模糊干扰会降低光场显著性检测的性能。此外,现有的大多数方法都仅在显著性预测阶段考虑不同图像特征的交互,导致不同特征的互补性利用不足。为了解决以上… …   相似文献

姜文晖;朱畅;方玉明;蔡超;鄢杰斌 《中国图象图形学报》2025,(9):3127-3140

融合深度神经网络与约束容许域的地月空间航迹智能分类

下载全文  

目的 地月空间距离遥远,对地月目标的观测弧段短、间隔长,导致观测的航迹难以判定其所属轨道族。如何根据短弧航迹对其轨道族快速、精准分类,是实现地月目标编目定轨的重要前提。然而,传统方法受限于地月系统复杂的三体动力学特性,且先验知识与统计信息不足,对航迹分类存在精度低、效率不足的缺陷… …   相似文献

李佳怡;蔡晗;孙秀聪;桂海潮;张晨 《中国图象图形学报》2025,(9):3000-3011

结合大语言模型与动态提示的裁判文书摘要方法

  

针对裁判文书案件结构复杂、涉案事实冗余且案情分布广泛的问题;现有的大语言模型（LLM）难以有效关注结构信息并可能会产生事实错误关联;从而导致结构信息缺失和事实不一致。因此;提出一种结合LLM与动态提示的裁判文书摘要方法DPCM（Dynamic Prompt Correction … …   相似文献

《计算机应用》2025,45(9)

基于国密SM2支持动态口令恢复的多因素认证方案

  

多因素认证使用两种及以上认证因素(如口令、智能卡或生物特征等)来验证用户身份,有效缓解了单一认证因素被攻破所带来的安全风险,增强了身份认证系统的安全性和可靠性,被普遍应用于金融交易、电子政务和军事国防等关键领域。当前广泛采用的多因素认证方案主要依赖国外密码算法标准构建,一旦这些国… …   相似文献

汪定;朱留富 《计算机学报》2025,(9):2241-2262

面向时间序列预测任务的异构联邦语义通信

  

时间序列数据广泛存在于工业、医疗、交通等诸多物联网相关领域,蕴含着用户行为模式、系统运行状态、未来发展趋势等重要信息。传统的数据处理方法通常将终端设备采集的时间序列数据完整传输至数据中心,并通过集中分析实现智能决策。然而,随着时序数据的不断增多,海量数据传输将为传统通信网络带来巨… …   相似文献

邢焕来;赵博文;宋富洪;徐乐西;类先富;冯力 《计算机学报》2025,(9):2207-2225

社交媒体优化综述

  

随着移动互联网的崛起,社交媒体在信息传播中的重要性日益凸显。同时,大量证据表明,社交媒体优化被广泛应用于商业营销、政治宣传或传播观点,尤其以Chat GPT为代表的大语言模型技术正被当作工具进一步降低社交媒体优化的门槛,优化技术及其带来的潜在风险引起越来越多研究者的关注,但现有针… …   相似文献

王晓诗;景少玲;孙飞;尹芷仪;沈华伟;程学旗 《计算机学报》2025,(9):2181-2206

融合外部知识与证据的场景图注意力网络多模态谣言检测

  

社交媒体上谣言的泛滥对社会造成了严重的负面影响。随着多模态内容在社交媒体中的迅速增长,多模态谣言检测受到了越来越多的关注。目前,大多数方法主要聚焦于学习各个模态的特征,并通过特征融合实现不同模态信息的互补。然而,这些方法存在两个关键问题:(1)不同特征空间之间的跨模态关联难以有效… …   相似文献

黄学坚;马廷淮;荣欢;王根生;廖国琼;刘德喜 《计算机学报》2025,(9):2159-2180

基于稳定替代损失的可泛化平均精度优化

  

平均精度(Average Precision,AP)由于其对排序性能的全面度量,已经成为多种计算机视觉任务中广泛使用的验证指标,包括长尾分类、图像检索和目标检测等。为缩小训练目标与验证指标之间的差距,近年研究提出了AP指标的直接优化算法。然而,受限于AP风险的不可分解性,大多数现… …   相似文献

温佩松;许倩倩;杨智勇;黄庆明 《计算机学报》2025,(9):2094-2130

基于大小模型结合与迭代反思框架的电子病历摘要生成方法

  

在医疗人工智能领域,从医患对话中自动生成电子病历(EMR)是一项核心任务。传统主流方法多依赖于大规模语言模型(LLM)结合少量示例进行学习,然而,这些方法往往未能有效融入深度的医学专业知识,导致生成的EMR内容在专业性方面存在不足。针对这一挑战,提出了一种新颖的迭代反思框架,该框架融合了Error2Correct示例学习与领域模型监督,旨在提升EMR的总结质量。具体而言,首先设计了一种集成了Error2Correct示例学习机制的大规模语言模型,用于EMR的初步生成与持续优化,并在预生成阶段融入医学领域知识。然后利用一个经过微调的小规模医学预训练语言模型,对初步生成的EMR进行进一步的评估与优化,从而在后生成阶段再次深化领域知识的整合。最后,引入了一个迭代调度器,该调度器能够高效地引导模型在持续的反思与迭代过程中进行优化。实验结果显示,所提方法在两个公开的EMR数据集上均展现出了先进的性能。特别是在IMCS-V2-MRG和ACI-BENCH数据集上,与经过微调的大规模语言模型相比,所提方法分别实现了3.66个百分点和7.75个百分点的整体性能提升¹⁾。… …   相似文献

钟博洋;阮彤;张维彦;刘井平 《计算机科学》2025,52(9):294-302