重新思考深度学习技术在生物特征数据纠错中的应用 背景介绍 随着信息技术的发展，生物特征数据在身份验证和安全存储中的应用愈发广泛。传统密码学通常依赖均匀分布且可精确重现的随机字符串，然而，现实中大多数数据（如指纹、虹膜扫描等生物特征）并不具备这样的属性，导致在实际应用中存在生成、存储和检索的诸多挑战。近年来，基于生物特征数据的密码学系统（biometric cryptosystems）被广泛研究，旨在利用独特的生物特征（例如指纹、虹膜等）作为生成加密密钥的来源。然而，由于生物特征数据的固有可变性以及传感器噪声等外部因素，精确恢复加密密钥变得复杂，进而对纠错机制提出了更高的要求。 在这种背景下，近年来深度学习方法凭借其在语音识别、图像处理等领域的卓越表现，被尝试应用于提升生物特征数据的纠错能力。...

基于深度学习的视频稳定方法改进与合成数据集SynthStab的研究 背景介绍 数字视频稳定技术通过软件去除不必要的振动和相机运动痕迹，是现代视频处理中的关键技术，尤其在业余视频拍摄中应用广泛。然而，现有基于深度学习的直接变形（Direct Warping Stabilization，简称DWS）方法虽然在低质量视频中表现良好，但在应对剧烈不稳定性时效果有限，且难以达到传统方法的稳定水平。这主要源于以下原因：现有数据集的稳定视频定义不够明确、模型结构简单、对未来帧的预测信息利用不足等。 为此，本文提出一种新型的基于RAFT（Recurrent All-Pairs Field Transforms）的半在线直接变形方法——NAFT，以及一个新的合成数据集SynthStab，用以解决上述问题。这些...

多视角变换网络（MVTN）推动3D理解研究的新进展 背景与研究动机 在计算机视觉领域，三维（3D）数据的深度学习研究近年来取得了显著进展，尤其是在分类、分割和检索任务中。然而，如何有效利用三维形状信息仍然是一个重要的挑战。常用的三维数据表示方法包括点云（Point Clouds）、网格（Meshes）和体素（Voxels）。此外，另一种流行的策略是通过多视角投影技术，将3D对象或场景渲染成多个二维（2D）视图。这种方法与人类视觉系统接收的图像流更为相似，并且可以充分利用2D深度学习的先进成果。 多视角方法如MVCNN（Su et al., 2015）通过渲染固定视点的2D图像，显著提升了3D形状分类的性能。然而，这些方法普遍依赖固定的视角配置（如随机采样或预定义视点），难以根据具体任务动态调...

Transformer for Object Re-Identification: A Survey 背景与研究意义 对象重新识别（Object Re-Identification，简称Re-ID）是一项重要的计算机视觉任务，旨在跨时间和场景识别特定对象。这一领域在深度学习技术的推动下取得了显著进展，尤其是基于卷积神经网络（Convolutional Neural Networks，简称CNNs）的研究。然而，随着视觉Transformer的出现，Re-ID研究开启了新的篇章。本文综述了基于Transformer的Re-ID技术，分析其在图像/视频、少数据/少标注、多模态及特殊应用场景中的优势与挑战。 研究团队与发表信息 本文由来自武汉大学、Sun Yat-Sen University和In...

肺腺癌中凋亡小体清除特性及其预后与免疫治疗的关联研究 背景与研究动机 肺癌是全球癌症相关死亡的主要原因，其中肺腺癌（Lung Adenocarcinoma，LUAD）是最常见的组织学亚型。由于疾病的隐匿性和缺乏特异性，大多数肺癌患者确诊时已处于晚期，传统治疗方式（如手术、放疗和化疗）的疗效有限，患者总体生存率较低。近年来，免疫治疗尤其是免疫检查点抑制剂（Immune Checkpoint Inhibitors，ICIs）为非小细胞肺癌（NSCLC）患者带来了希望，但其疗效仍受限于肿瘤微环境（Tumor Microenvironment，TME）的免疫抑制作用。 凋亡小体清除（Efferocytosis，ER）是由吞噬细胞清除凋亡细胞的生物过程，在肿瘤进展中起关键作用。研究表明，ER促进肿瘤免...