并行机械计算：能够进行多任务处理的超材料 学术背景 在数字计算平台取代模拟计算数十年后，随着超材料和复杂制造技术的发展，模拟计算重新引起了广泛关注。特别是基于波的模拟计算机，通过对入射波前进行空间变换来实现所需的数学运算，因其能够直接以未处理的形式编码输入信号，绕过了模拟到数字的转换，而备受青睐。然而，这些系统本质上仅限于单任务配置，无法同时执行多个任务或进行并行计算，这成为推动具有更广泛计算能力的机械计算设备发展的主要障碍。本文提出了一种在同一架构结构中同时处理独立计算任务的途径，通过打破一组超表面构建块的时间不变性，自生成多个频率偏移的波束，这些波束从基础信号中吸收显著的能量。这些可调谐谐波的产生使得不同的计算任务能够分配到独立的“通道”中，从而有效地实现模拟机械计算机的多任务处理。 论...

# 基于未配准表面空间的弹性形状分析研究综述 ## 背景介绍 三维表面分析近年来已成为计算机视觉领域的热点研究方向之一。这种需求的兴起主要源于高精度3D扫描设备的普及，它使得人类健康分析、面部动画、计算机图形学、合成人体数据生成以及计算解剖学等领域获得了丰富的研究和应用数据。然而，传统的表面形状分析方法通常依赖一致的网格结构和点对应关系，这在实际应用中难以实现，因为真实数据通常缺乏一致的采样和拓扑结构。为了解决这些挑战，研究者们提出了基于黎曼几何的弹性形状分析方法（Elastic Shape Analysis, ESA），该方法通过定义形状空间上的弹性度量来比较表面形状。 这篇发表于 **International Journal of Computer Vision** 的论文《Basis...

基于FingerNeRF的3D手指生物识别研究综述 背景与研究意义 随着生物识别技术的发展，三维(3D)生物识别因其更高的准确性、更强的抗伪装能力以及对拍摄角度变化的鲁棒性，逐渐成为主流研究方向之一。其中，3D手指生物识别技术因其生物特征（如指纹、指静脉、指关节等）易于获取且广泛使用，在学术界和工业界备受关注。然而，现有的3D生物识别方法普遍依赖显式的3D重建技术，这些方法在实际应用中面临两大挑战： 信息丢失：显式重建过程中不可避免地会丢失部分细节信息，直接影响后续识别任务的性能。 硬件与算法的紧耦合性：重建算法往往与特定硬件设备绑定，缺乏通用性，难以适应不同模态的数据或设备。 为解决上述问题，研究者提出了一种基于隐式神经辐射场（Neural Radiance Fields, NeRF）的F...

研究背景与研究意义 近年来，视频理解领域中弱监督在线活动检测（Weakly Supervised Online Activity Detection, WS-OAD）作为高水平视频理解的一个重要课题，得到了广泛关注。其主要目标是通过仅使用廉价的视频级标注，在流媒体视频中逐帧检测正在进行的活动。这一任务在许多实际应用场景中具有重要价值，包括自动驾驶、公共安全监控、机器人导航及增强现实等。 尽管全监督方法（Fully Supervised Methods）已在在线活动检测（OAD）中取得了显著进展，但它们严重依赖于密集的帧级注释（Frame-level Annotations），这不仅成本高昂且易受噪声影响，从而限制了模型的扩展性。弱监督设置旨在解决这一问题，但因其在线约束（Online Con...

动态注意力视觉语言Transformer网络用于行人再识别的研究报告 近年来，基于多模态的行人再识别（Person Re-Identification, ReID）技术在计算机视觉领域受到越来越多的关注。行人再识别旨在通过跨摄像机视角识别特定行人，是安全与监控应用（如寻找失踪人员、追踪犯罪分子）的关键技术。然而，多模态ReID技术融合视觉和文本信息时面临重大挑战，包括特征融合的偏差以及领域差异对模型性能的影响。 本文由Guifang Zhang、Shijun Tan、Zhe Ji和Yuming Fang等人撰写，来自江西财经大学计算与人工智能学院及纽卡斯尔大学纽卡斯尔商学院，发表于2024年《International Journal of Computer Vision》。研究提出了一种动...

深度人脸识别中的模型盗用检测与保护：基于样本相关性的创新研究 背景与研究问题 近年来，深度学习技术的飞速发展显著推动了人脸识别领域的进步。然而，与此同时，商用的人脸识别模型正面临日益严峻的知识产权威胁——模型盗用攻击。模型盗用攻击允许攻击者通过对模型的黑盒或白盒访问，复制出功能等效的模型，从而规避模型所有者的检测。这种攻击不仅侵犯了模型所有者的知识产权，还可能危及商业利益和隐私安全。 为了应对这一挑战，模型指纹识别成为一种重要的盗用检测手段。传统方法主要依赖可迁移的对抗样本来生成模型指纹，但这些方法在面对对抗训练和迁移学习时表现出脆弱性。针对这一局限性，本文提出了一种基于样本相关性（Sample Correlation，SAC）的新型模型指纹识别方法，旨在提升模型盗用检测的鲁棒性和效率。 研...