• DUN-CS：一种基于去噪的图像压缩感知深度展开网络

  - 将去噪算法集成到深度网络中用于压缩感知。- 建模跨层长程依赖关系。- 引入跨阶段特征引导以优化信息传输。- 在各种公共基准数据集上实现优异的重建质量。- 在控制计算复杂度的同时提高噪声鲁棒性。**引言**信息理论作为当今广泛应用的技术，基于经典的香农理论，其核心是奈奎斯特采样定理。该定理指出信号的极限可压缩性取决于其上限截止频率或带宽，这构成了数据压缩的瓶颈，导致信号处理成本增加。压缩感知（CS）理论的引入解决了香农理论的一些局限性[1]。CS是目前唯一能够突破奈奎斯特采样定理约束的主要框架。自其诞生以来，该理论已被广泛应用于各个跨学科领域，包括视频压缩[2]、无线通信[3]和磁共振成像（

  来源：Pattern Recognition

  时间：2026-09-25

• 渐进式草图补全与草图调制扩散融合用于古代壁画修复

  ?面向壁画修复的两阶段草图引导扩散方法。?由粗到细的草图补全实现稳健的结构引导。?草图调制扩散方法保障结构一致性和语义一致性。?真实损伤掩膜模拟以实现稳健的壁画修复。引言壁画是中国古代建筑艺术的重要组成部分，承载着宗教信仰、历史叙事和社会风俗，为研究古代文明提供了珍贵的信息。从唐代的宏大壮丽，到宋代的精雕细琢，再到明代的优雅从容，不同时期的壁画反映了各自时代独特的审美理想与创造力。然而，历经数百年的环境侵蚀与人为活动，这些文化遗产遭受了严重退化。许多不可复制的壁画出现了开裂、剥落、褪色等病害（图1(a)）[1]，对文化遗产保护与考古研究构成了严峻威胁。因此，保护性修复迫在眉睫。数字修复以最小化

  来源：Pattern Recognition

  时间：2026-09-25

• 基于文本蒸馏的弱监督目标定位方法TeD-Loc

  弱监督目标定位（Weakly Supervised Object Localization, WSOL）是一项关键且具有挑战性的计算机视觉任务，旨在仅使用图像级标签而非实例级标注来训练模型以定位图像中的目标。流行的类激活映射（Class Activation Mapping, CAM）方法利用分类模型生成定位图，但其本质上聚焦于目标最具判别性的区域，往往无法捕获完整的空间范围。这一局限性源于判别模型被优化以最小化同类不同实例之间的互信息。已有多种策略试图缓解该问题，包括空间正则化、对抗擦除以及利用伪标签等。然而，这些方法受限于卷积神经网络（Convolutional Neural Networ

  来源：Pattern Recognition

  时间：2026-09-25

• 面向弱监督可见光-红外行人重识别的多层级协同对齐框架

  ?提出了一种用于弱监督VI-ReID的多层协同框架。?CSCB通过频域融合改进跨谱结构。?SOSA学习语义锚点以实现判别性的全局-局部表示。?UDES通过可靠性调制减少有噪声的跨模态监督。引言行人重识别（ReID）旨在从不同摄像头的非重叠视角检索同一行人的图像，已成为智能监控、跨摄像头检索和公共安全应用中的重要技术[1]。大多数传统ReID方法依赖于可见光（VIS）图像进行身份匹配。然而，在夜间、低光照或复杂光照条件下，VIS摄像头的成像质量往往下降，导致识别性能不可靠。为了支持全天候监控，红外（IR）摄像头通常与VIS摄像头协同部署，由此产生了可见光-红外行人重识别（VI-ReID）[2]。

  来源：Pattern Recognition

  时间：2026-09-25

• 基于微环境感知和语义耦合的对抗性优化方法，用于预测突变对蛋白质-蛋白质相互作用的影响

  ?一种面向 PPI ΔΔG 预测的微环境感知对抗细化框架。?混合语义码本耦合了残基、扭转和空间语义。?综合实验展示了最先进性能、效率和可解释性。?SARS-CoV-2 抗体筛选展示了实用的突变优先级排序。引言蛋白 - 蛋白相互作用（PPIs）是细胞生命的基本分子基础，广泛涉及各种重要的生物过程 [1]、[2]。突变可以改变局部侧链构象和界面结合强度，从而影响蛋白质复合物的结合稳定性。这种效应通常通过突变诱导的结合自由能变化（ΔΔG）来量化 [3]、[4]。准确预测突变诱导的 ΔΔG 对于理解疾病相关突变的机制、评估病毒免疫逃逸风险以及指导抗体亲和力优化至关重要。例如，在 SARS-CoV-2

  来源：Pattern Recognition

  时间：2026-09-25

• 胡椒碱的提取、药代动力学及其抗关节炎潜力：一篇综合性综述

  ? 使用超声波和微波辅助的先进方法提取胡椒碱 ? 胡椒碱缓解关节炎炎症的分子机制 ? 胡椒碱对代谢酶的调节作用及其作为生物增强剂的特性 ? 纳米制剂提高了胡椒碱的生物利用度和靶向效率 **引言** 传统医学系统在大量人群的健康管理中发挥着重要作用。世界卫生组织报告称，170个国家（包括中国、印度、美国、澳大利亚、日本、孟加拉国和马来西亚）都利用了传统医学。[1] 随着研究和技术的进步，草药在安全和有效性数据方面的应用也在增加。[2, 3] 来自不同草药的植物成分，如姜黄素[4]、甘草[5]、薄荷[6]、番泻叶[7]、婆罗米[8]、咖啡因[9]和胡椒碱[10]等，含有多种重要的活性成分

  来源：Pharmacological Research - Natural Products

  时间：2026-09-25

• Neuron-RCES：通过神经元级别关键性评估与稀疏自适应弥合鲁棒性-效率差距

  ?设计了一种细粒度度量指标，以精确定位特定的鲁棒性瓶颈。?我们开发了一个统一的框架 Neuron-RCES。?我们的方法实现了极致的参数效率。引言深度神经网络（DNNs）的快速发展已经重塑了计算机视觉和自然语言处理领域[1]。随着预训练模型规模的不断扩大，传统的完整参数微调对于大多数下游应用来说已经计算上不可行[2]。因此，参数高效微调（PEFT）已成为主导范式[3]，它仅通过更新一小部分参数来适配大模型。代表性的工作包括仅更新偏置[4]、低秩适配器[5]、[6]，以及其他将任务适配与全参数重新训练解耦的轻量级模块[7]、[8]、[9]。尽管这些策略在干净数据上非常成功[10]，但它们在安全关

  来源：Pattern Recognition

  时间：2026-09-25

• SALiT：用于多任务遥感解译的结构感知轻量级Transformer

  ?开发了一种结构感知的轻量级 Transformer，用于高效的遥感（RS）处理。?SAD2C 在 Transformer 冗余分析的指导下，执行结构感知的双驱动压缩。?GHKD 提供全局层次蒸馏，以保留结构建模能力。?SALiT 在 10.5M 参数和 4.0G FLOPs 下提供了具有竞争力的多任务遥感结果。引言基于深度学习的遥感（RS）光学解译已成为理解和监测地球系统过程的关键 [1]。得益于卫星通信和传感技术的进步，光学遥感图像在质量上显著提高，数量急剧增长，导致传统范式（将数据下载到地面站进行多任务处理）出现严重的传输瓶颈。因此，高性能且轻量的星载遥感解译变得越来越必要。然而，现有的

  来源：Pattern Recognition

  时间：2026-09-25

• ST-SpikFormer：基于时空融合编码的脉冲驱动Transformer

  ?我们构建了一种新颖的脉冲驱动Transformer层次架构ST-SpikFormer，该架构集成了一种新颖的编码方案和EEDP-DS模块，在保持性能的同时实现高能效。?我们提出了一种STF编码方法，该方法同时利用时间维度和空间维度，在最大化SNN的时空表达能力的同时增强了脉冲序列的稀疏性。?我们开发了SI-LIF神经元，并引入了一个集成框架，将其与STF编码进行协同。引言作为第三代神经网络[1]，脉冲神经网络（SNNs）凭借其受大脑启发的时空动力学和稀疏的脉冲驱动计算[2][3]，吸引了越来越多的关注，这些特性从根本上促进了高能效。与传统人工神经网络（ANNs）不同，SNNs采用事件驱动的处

  来源：Pattern Recognition

  时间：2026-09-25

• PolarRTNormals：一种物理先验引导的偏振法线超分辨率实时网络

  ?提出一种面向低分辨率偏振输入的物理先验扩展方法，将其扩展为九通道表示。?设计一种轻量级法线超分辨率网络，包含RPDConv、CDRB和TAMF模块。?利用Mitsuba 3渲染构建物理一致的高分辨率法线标签。?验证该模型在高性能GPU和低功耗边缘设备上的实时部署能力。引言表面法线恢复是计算机视觉和模式识别领域中的一个基本密集预测问题，因为它需要从视觉观测中推断局部几何朝向、边界变化和表面结构[1]。在实时3D感知场景中，如机器人操作、在线工业检测和动态场景分析，该任务还要求同时实现高时间分辨率和高空间分辨率[2]、[3]。二者的联合实现在复杂开放环境中运行的智能感知系统中至关重要，仍然是3D

  来源：Pattern Recognition

  时间：2026-09-25

• 融合图感知特征的多视图张量分解方法用于动态属性图嵌入

  我们提出了MV-TF，一种用于动态属性图嵌入的无监督多视图张量分解框架。引入了一种轻量级的图感知辅助视图，无需监督即可桥接拓扑结构与节点属性。纳入了稀疏子空间约束，以促进具有社区结构的节点表示学习。在五个真实数据集上的实验表明，MV-TF相较最先进方法取得了具有统计显著性的性能提升。动态图数据在日常生活中无处不在。例如，在Facebook上，用户经常发布或分享文本和视频，他们的互动可以被建模为一个图，其中用户是节点，他们之间的关系是边。用户分享的内容，如文本或视频，充当这些节点的属性。随着边和属性随时间演变，识别动态网络的演化模式变得具有挑战性。为了更好地理解和分析这些动态网络，学习节点的高质

  来源：Pattern Recognition

  时间：2026-09-25

• Pose2Point：桥接人体姿态与点云实现统一动作识别

  ?Pose2Point 在单一框架中统一了姿态语义和点云几何。?Transfer2PointCloud 以显式的时空动态编码姿态序列。?均匀混合采样在下采样过程中保持拓扑结构和运动连续性。?在 NTU-RGB+D、NTU-RGB+D 120 和 NW-UCLA 基准上达到最先进性能。引言人体动作识别（HAR）是视频理解和人类运动理解中的关键任务，旨在通过分析动态动作和运动模式来准确解释和分类人类活动 [1], [2], [3], [4]。为实现精确识别，人们探索了各种视频模态，如姿态序列 [5], [6], [7]、RGB 图像 [8], [9] 和点云 [10], [11]。基于姿态的 HA

  来源：Pattern Recognition

  时间：2026-09-25

• 利用序列潜在变量扩散模型提升图链接预测的准确性

  ?揭示了传统方法在链接预测中的局限性。 ?引入了多个独立的潜在变量以提高表达能力。 ?开发了一种基于马尔可夫链的链接预测方法。 ?将扩散模型原理应用于链接预测。 ?在数据集上展示了改进的预测准确性，并提供了详细的可视化结果。 **引言** 在图分析领域[1]中，链接预测是一项关键的模式识别任务，旨在根据现有的图拓扑结构预测节点之间的潜在未来连接，或者预测图内连接将如何随时间演变。链接预测技术被广泛应用于各个领域，包括推荐系统、药物发现、异常检测、交通预测和构建知识图谱[2]。这些应用从根本上依赖于链接预测来实现它们的目标[3]，[4]。然而，链接预测面临挑战，主要是由于分离用于训练

  来源：Pattern Recognition

  时间：2026-09-25

• 基于扩散模型的跨模态生成用于音频驱动的面部表情与情感识别

  ?一种新颖的基于扩散模型的生成框架，用于音频驱动的面部表情合成，确保高视觉保真度和时间一致性。?一种情感感知的对比学习策略，用于音频和视觉表示的鲁棒跨模态对齐。?一种多模态融合机制，联合利用音频线索和生成的面部特征以增强情感识别性能。?在基准数据集上的全面评估，证明了其性能优于现有最先进方法。引言音频驱动的面部表情生成和情感识别已成为多模态感知、情感计算和人机交互领域中的关键研究问题。通过联合分析语音信号和面部动态，此类系统旨在更自然、更准确地建模人类情感，从而在虚拟助手、数字化身、远程临场感、心理健康评估和智能辅导系统等方面得到应用 [1], [2], [3]。然而，由于音频和视觉模态之间时

  来源：Pattern Recognition

  时间：2026-09-25

• 澳大利亚HIV感染者肛门癌筛查指南：病理学家的视角

  肛门鳞状细胞癌（anal squamous cell carcinoma，ASCC）是一种与人乳头瘤病毒（human papillomavirus，HPV）相关的癌症，其发病率正在上升。人类免疫缺陷病毒（human immunodeficiency virus，HIV）感染者处于最高风险。近期证据表明，治疗前驱病变——高级别鳞状上皮内病变（high-grade squamous intraepithelial lesion，HSIL）——可预防癌症发生。因此，多个国家已发布肛门HSIL筛查指南，作为降低癌症发病率的策略。在澳大利亚，澳大利亚HIV、病毒性肝炎和性健康医学学会（Australas

  来源：Pathology

  时间：2026-09-25

• PowerSkel++：信号退化条件下电站的鲁棒 WiFi-CSI 姿态估计

  ## 论文内容翻译### 摘要要点- **CSI-only pose estimation for power-substation monitoring** 仅使用 CSI 的姿态估计用于变电站监控。- **Collaborative Cross-condition Pose Estimation links original and degraded CSI.** 协作跨条件姿态估计将原始 CSI 与退化 CSI 关联起来。- **Condition-aware Feature Maintenance and Multi-α Inference Ensemble improve rob

  来源：Pattern Recognition

  时间：2026-09-25

• LR-SMAN：用于多光谱目标检测的低秩对称互注意力网络

  ?用于多光谱目标检测的低秩对称互注意力网络。?对称互注意力（SMA）实现了平衡的双向跨模态融合。?张量核范数正则化（TNNR）强制实施低秩跨模态亲和关系。?在 VEDAI、M3FD 和 LLVIP 上取得了最先进的结果，特别是在低光照场景中。引言多光谱目标检测，特别是结合配对的 RGB 和红外（IR）图像，因其在下照度、夜间场景和恶劣天气等挑战性条件下的鲁棒性而受到越来越多的关注 [1], [2], [3]。RGB 图像提供了丰富的纹理和颜色线索，但在光照不佳时其可靠性急剧下降 [4], [5]。相比之下，IR 图像捕捉热辐射，对光照变化不那么敏感，但通常表现出较低的空间分辨率和较弱的结构细节

  来源：Pattern Recognition

  时间：2026-09-25

• Super-DETR：一种由超分辨率驱动、用于遥感图像中小目标检测的DETR网络

  ?我们提出了一种用于检测和超分辨率任务的联合优化网络。?设计了一种利用检测网络特征的超分辨率网络。?使用了一种频率融合网络将超分辨率特征与目标检测网络集成。?在三个数据集上的大量实验结果证明了其优越性。引言随着遥感技术的快速发展，遥感图像在军事、农业、环境监测等领域的应用日益广泛。作为遥感图像处理的重要组成部分，小目标检测对于提高遥感信息的利用价值具有重要意义。由于遥感图像分辨率低、特征信息有限且背景复杂，小目标检测面临诸多挑战。与普通图像相比，遥感图像的背景信息更复杂，且视角相对单一。因此，图像提供的特征信息往往无法充分反映物体本身的特性，导致漏检或误检结果。针对上述情况，近期研究开发了各种

  来源：Pattern Recognition

  时间：2026-09-25

• 谁更具战斗力？探索大语言模型辩论智能体的制胜人格组合

  ### 摘要- 个性多样性显著影响多智能体辩论表现。- 我们提出MBTI-DB，一个用于多智能体辩论中进行个性建模的框架。- 精心挑选的个性配对可优于随机分配，且其效果在不同模型和领域间有所不同。## 引言多智能体辩论（MAD）已成为提升大语言模型（LLM）推理能力的一种强大方法 [1], [2]。通过允许各智能体相互批判、修正或反驳彼此的推理过程，MAD在数学解题、常识推理和多跳问答等方面均展现出改进效果 [3], [4]。然而，现有的MAD系统普遍**采用中性人格的智能体**，缺乏能够区分推理风格和论证模式的显式人格特征。如图1所示，这种同质性可能会限制辩论过程中的推理多样性。这种设计忽视

  来源：Pattern Recognition

  时间：2026-09-25

• 基于受脑神经元启发的 LoRA 可扩展网络的跨领域类增量学习

  ?一种新颖的 SBES 机制通过贝叶斯专家选择和知识迁移实现高效的新任务获取。?一种新颖的 BSS 机制通过双向抑制无关类别激活来缓解灾难性遗忘。?一种新颖的 FIPUP 机制通过基于任务复杂度的费雪信息引导迭代剪枝来压缩模型。?一种新颖的 CHPD 机制通过整合当前和历史概率差异来增强专家选择的鲁棒性。引言持续学习（CL）旨在使模型能够从顺序任务中增量获取知识，同时保持对先前学习任务的性能，这一能力对于在动态环境中运行的现实世界系统至关重要。传统持续学习研究主要关注两种孤立的范式：类增量学习（CIL），它处理在平稳输入分布下标签空间不相交的任务 [1], [2], [3]；以及域增量学习（D

  来源：Pattern Recognition

  时间：2026-09-25

知名企业招聘：