图像质量评估(IQA)是图像处理与计算机视觉领域中极具研究价值的重要课题，目标是建立以人类视觉习惯为基准的图像质量评价模型。现在人工智能生成内容(AIGC)发展迅速，在视觉生成上取得明显进展，尤其在图像生成方面表现突出。但受到图像生成的固有限制，人工智能生成图像(AIGI)普遍存在语义偏移、结构不合理和视觉伪影等质量问题，传统IQA方法不能充分描述AIGI的特有缺陷，也无法很好地满足其评价需求。AIGI质量评估(AIGIQA)遂成为计算机视觉领域的新兴焦点。为此，围绕AIGIQA现有技术体系与研究方法开展全面梳理、系统调研与综述分析。首先，从主流图像生成架构出发，梳理生成对抗网络、自回归生成模型和扩散模型3类生成模型，并分析各类模型导致的图像质量缺陷；然后，对AIGI的质量评估维度进行归纳总结，从技术问题、AI伪影、不自然性、差异性和美学5个维度阐述评价内涵；接着对AIGIQA常用模型性能评估指标做归纳梳理，并对当前公开数据集进行了介绍和对比分析；此外，回顾了传统IQA方法的发展状况及其评估AIGI时存在的局限性；对现有AIGIQA方法进行分类，重点总结了基于跨模态对齐和基于多模态大语言模型(MLLM)二类代表性方法的技术路线、核心思想和局限性。最后说明了AIGIQA在质量表征、数据支撑、模型构建及可解释性等方面面临的机遇与挑战，指出了未来潜在探索方向，为该领域的后续研究提供了参考性建议。

三维动态人体重建是计算机视觉与图形学领域的核心研究方向，在虚拟现实及数字娱乐中展现出极大的应用价值。传统显式网格方法受限于参数化模型的表达能力，难以恢复复杂的几何与外观细节；而以神经辐射场(NeRF)为代表的隐式技术，因高额的体渲染开销缺乏实时性，且缺乏显式结构难以直接进行物理编辑。针对上述局限性，三维高斯泼溅(3DGS)技术凭借其显式的三维高斯基元表征与极其高效的可微光栅化渲染机制，为高逼真、实时的动态人体重建提供了全新且极具前景的技术路径。为深入阐明该技术的发展脉络，从规范空间表示、姿态驱动形变场以及分块光栅化渲染3个核心环节，梳理并归纳出通用人体重建的基线管线与实现思路。在此基础上，围绕学术界前沿面临的三大关键瓶颈，重点剖析并分类对比了主流改进方法：在重建细节提升方面，探讨人体细节重建与复杂服饰细节重建等模型；在计算资源控制方面，探讨训练推理加速与内存占用压缩等模型；在系统鲁棒性增强方面，探讨遮挡、跨身份泛化、重光照和物理应用等模型。此外，全面梳理了包含重建损失与几何、形变和属性正则化约束的损失函数体系，系统总结了单目视频、多视角视频和三维扫描等主流数据集及核心渲染实验评测指标。最后，展望了领域内极具潜力的未来研究方向，旨在为后续研究提供系统性的参考。

浮游生物是水生态系统的重要组成部分，其群落结构、丰度变化和优势种演替能够反映水体营养状态、生态扰动和环境质量变化，在水生态监测、有害藻华预警和水质评价中具有重要指示作用。传统人工镜检方法依赖专业经验，存在识别效率低、主观性强、连续监测能力不足等问题，难以满足水环境管理对实时化、精细化和自动化监测的需求。随着成像设备和图像识别算法的发展，浮游生物监测逐渐由人工取样和显微鉴定向自动化成像与智能识别转变。在此基础上，围绕图像获取、数据支撑、方法演进和场景应用等环节，系统梳理浮游生物图像采集设备、公开数据集及图像识别技术的发展现状，重点分析识别方法由人工特征提取和传统机器学习向深度学习发展的过程，以及相关技术在群落监测与生态响应分析、有害藻华预警和水质评价等领域的应用进展。同时，显微成像、流式成像和原位成像等设备为浮游生物图像获取提供了不同技术路径，其中原位成像更适用于真实水体连续监测；经过专家标注或人工校核的公开数据集可为模型训练与性能评价提供较可靠的数据基础。深度学习已成为浮游生物图像识别的重要技术路线，在提高识别精度和自动化水平方面表现突出，但仍面临数据集标准化不足、模型泛化能力有限、现场部署成本较高及多源信息融合不足等问题。未来，自监督学习、ViT和边缘智能等技术可在降低人工标注依赖、增强复杂图像特征表达和提升现场部署能力等方面发挥作用。推动原位成像监测、自动识别方法与水质参数分析相结合，有助于进一步提升浮游生物图像识别技术在水环境监测、预警和评价中的应用价值。

随着文档图像在政务、金融等关键领域的广泛应用，其被篡改后不仅会造成经济损失还可能危及社会公信力，保障其信息安全至关重要。与此同时篡改技术的快速发展增加了真伪鉴别的难度，因此文档图像篡改检测研究日益受到关注。为了提升文档图像篡改区域的定位能力，提出了一种多特征融合的文档图像篡改区域分割方法(MF-Net)。首先，设计了由3个并行分支组成的多特征编码器。其中，空域分支提取丰富的空域信息，频域分支结合多级小波变换与卷积操作充分提取频域中与篡改有关的特征，噪声分支采用SRM滤波器组通过分析噪声特征为模型提供新的视角。3个分支协同作用，实现多视角特征的充分提取；其次，设计了由通道注意力、空间注意力和无参数注意力串联构成的混合注意力特征融合模块，利用双特征引导的通道加权、空间聚焦与无参数抑制的多层次细化，实现多特征的深度融合；最后，借鉴人类视觉对篡改异常区域的重点关注机制，在多视图迭代解码器中加入注意力模块，使其能够自适应地聚焦于异常区域，以实现篡改区域的精准定位。该方法在公开数据集TextTamper上进行实验，与当前最优方法相比，其在F1分数和IoU指标上分别提升了2.8%和5.2%。实验结果表明，该方法能有效提升文档图像篡改定位的综合性能。

煤矿电力设备的健康状态直接关系矿井供电安全，无人机载红外热像巡检已成为重要监测手段，但现有轻量级检测算法在红外低对比度、目标尺度差异大及热背景复杂条件下，对早期微小缺陷的识别性能不足，难以兼顾边缘端实时性与检测精度。针对上述问题，以MobileNetV3轻量网络为骨干，在瓶颈残差单元中嵌入多核动态卷积机制，通过输入相关的注意力权重融合多个卷积核以实现卷积算子的自适应调整；经参数敏感度实验确定卷积核数量为4，在性能与计算量间达到最佳平衡。同时，在骨干网络浅层引入高效通道注意力(ECA)以突出热点边缘细节并抑制背景热噪声，深层保留压缩激励(SE)模块以强化高阶语义判别能力，并在通道扩展阶段结合Ghost模块以线性变换廉价扩充特征图，三者构成“浅层降噪保细节、深层提语义和扩展补纹理”的协同链路，以极低额外计算代价丰富特征表达。在自建煤矿电力设备红外影像数据集上进行实验，该数据集包含5 000张图像，覆盖隔离开关、绝缘子串、变压器套管、电缆接头和避雷器等5类典型设备及相应缺陷。结果表明：改进模型检测准确率达到88.5%，IoU阈值为0.5时平均检测精度为86.7%，F1-score为86.6%；模型计算量约为3.18 GFLOPs，在中央处理器(CPU)上推理延迟约为39 ms。消融实验验证了动态卷积与分层特征增强的协同增益效果，当卷积核数量K=4时取得最优性能；与YOLOv8n，YOLOv9-Tiny，RT-DETR-R18及YOLOv10-N等近年主流轻量检测算法对比，该方法在精度与效率的综合平衡上表现最优。可视化检测结果亦表明，模型在低分辨率、高噪声及遮挡条件下对各类电力设备保持较高检测置信度。该方法在满足无人机边缘端实时推理约束的同时显著提升了红外缺陷检测性能，验证了其在煤矿井下复杂场景中的工程实用价值。

针对多名足球运动员跟踪场景中因外观相似与高速运动引发的身份混合与轨迹中断问题，提出一种基于改进型Deep-EIoU的多目标跟踪(MOT)模型。以Deep-EIoU的检测-匹配框架为基础，构建结合外观一致性与运动连贯性的轨迹级全局优化机制，在初始关联结果上进一步进行轨迹结构修正。首先，通过轨迹分割模块识别并剥离混合身份片段，以消除错误身份传播。其次，通过轨迹重连模块在时空约束下实现断裂轨迹的全局融合，以恢复长时序目标的连续跟踪，从而提升复杂动态场景下的身份保持与轨迹连续性。实验结果表明，改进Deep-EIoU在HOTA，IDF1，AssA，MOTA和DetA等指标上表现优秀，在SoccerNet-Tracking上分别达到89.1%，82.1%，79.4%，96.7%和99.1%，在SportsMOT上分别达到78.1%，80.1%，68.4%，97.1%和88.6%，在身份保持与轨迹连续性方面均优于主流多目标跟踪方法。该方法在足球及其他复杂体育场景中具有较高跟踪准确度，为运动表现分析和战术研究提供了初步技术支撑。

场景文本图像超分辨率(STISR)旨在从低分辨率(LR)文本图像中恢复清晰、完整且易识别的字符结构，为自然场景文字识别、智能文档处理和视觉检索等任务提供高质量图像输入。受成像距离、焦距变化、运动模糊及复杂背景干扰等因素影响，LR场景文本图像常出现笔画断裂、边缘模糊和结构缺失，导致后续文本识别准确率下降。现有方法多侧重纹理重建或文本语义引导，对严重退化样本中的字符轮廓和细粒度结构恢复仍不充分；扩散模型虽具备较强的细节生成能力，但缺少结构约束时易产生局部伪影或结构偏移。针对上述问题，构建潜在结构先验提示扩散模型（LSPDiff）。LSPDiff由潜在结构生成模型(LSGM)和先验提示扩散模型(PPDM)组成。LSGM以双三次插值后的LR文本图像为输入，通过编码-解码结构学习多尺度潜在结构特征，并利用多尺度监督约束强化字符笔画、边缘轮廓和空间排列关系。先验提示扩散模型在反向去噪过程中同时引入LR条件图像、含噪图像和结构提示，并通过先验提示注意力模块建模扩散中间特征与结构先验之间的关联，从而引导噪声估计和结构重建。考虑到2类模型的优化目标存在差异，采用先训练LSGM、再冻结其参数训练先验提示扩散模型的两阶段策略，以提高训练稳定性和结构先验传递效果。在TextZoom数据集上开展实验，采用ASTER，MORAN和CRNN的3种文本识别模型以及峰值信噪比(PSNR)和结构相似性指数(SSIM)等指标进行评价。LSPDiff在ASTER，MORAN和CRNN上的平均识别准确率分别达66.2%，63.3%和57.0%，PSNR达22.32 dB，SSIM达0.792 2，在文本识别准确率和图像重建质量方面取得较优表现。消融实验显示，引入LSGM后，模型PSNR由21.40 dB提升至22.32 dB，识别准确率由60.5%提升至66.2%。多尺度潜在结构先验能够有效约束扩散式重建过程，改善字符笔画连续性、轮廓清晰度和文本可读性，为复杂退化STISR提供了有效方法。

针对单目三维人脸重建在推理效率、表情驱动灵活性与重光照真实感之间难以兼顾的问题，构建了一种基于逆向渲染网络的前馈式可驱动、可重光照三维人脸快速重建框架。该方法结合三维高斯泼溅(3DGS)与FLAME先验，为高斯图元引入基于物理的渲染(PBR)属性。通过共享图像编码器联合预测3DGS特征与HDR光照贴图，实现了单图几何、材质与光照的统一推断。为缓解材质与光照的二义性，引入IC-Light和Sapiens构建反照率与法向的屏幕空间伪监督，并结合动画感知法向更新机制与帧间一致性约束实现了稳定训练。在VFHQ数据集的自身份重演中，取得22.34 dB PSNR和0.855 SSIM的结果，较LAM基线提升0.93 dB，且单帧延迟保持在亚10 ms。VFHQ-Test协议下的对比表明，该方法在重建保真度、驱动精度及新光照一致性上优势显著。重建的PBR-3DGS表示支持FLAME驱动的自然动画，并在新光照下保持严谨高光与平滑过渡，有效平衡了质量、效率与物理一致性。

脊柱微创手术中，单一模态影像无法同时呈现骨性结构与软组织信息，术中空间定位仍存在较大困难。传统跨模态配准方法难以适配CT与MRI灰度差异、扫描范围不一致、成像伪影及脊柱多组织差异化运动特征，易出现配准失效、椎体定位偏移等问题。针对上述问题，提出一种基于多椎体结构建模的CT-MRI脊柱多阶段配准方法。在粗配准阶段，利用椎体分割结果构建解剖约束，通过提取2种模态共有椎体标签并选取代表性椎体作为锚点，实现跨模态影像的刚性与仿射变换初始化，从而减小大尺度位姿差异，避免非刚性配准陷入局部最优。在精配准阶段，构建融合多椎体仿射建模与微分同胚形变的深度神经网络，利用多椎体仿射分支描述不同椎体节段的近刚性运动，并通过速度场积分生成微分同胚形变场，以刻画椎间盘及周围软组织的非线性形变，实现高精度非刚性配准。实验在自建脊柱CT-MRI数据集上进行，在腰椎区域的Dice，HD₉₅和ASD分别达到91.43%，2.61 mm和1.16 mm，均优于对比方法。定量结果表明，该方法能够提高腰椎椎体结构的区域重叠程度和边界对齐精度；可视化结果进一步表明，其能够较好地协调椎体节段的局部近刚性运动与周围组织的连续形变，保持较好的稳定性和解剖合理性，可为术前多模态影像融合以及后续手术导航提供技术基础。

随着用户个性化需求的提升，推荐系统中的多样性目标正日益受到重视。图神经网络(GNNs)通过建模用户与物品间的高阶关联，为缓解推荐同质化问题、提升结果多样性提供了新的范式。然而，现有GNN方法主要依赖局部邻居聚合，易引入冗余信息，缺乏对异质兴趣结构的辨别能力。相比之下，Transformer具备全局建模能力，能够捕捉长距离的依赖关系，但其计算复杂度较高，且难以有效捕捉用户潜在的多样兴趣。为此，提出一种多样性感知推荐模型SGMDRec，旨在协同优化推荐结果的准确性与多样性。该模型由基于高维前缀和的动态规划邻居选择与GNN-Mamba交替网络2个核心模块构成。前者基于高维前缀和构建高效的多样化子集选择策略，通过低维映射、符号化编码和类别稀疏性加权，从候选邻居中筛选具有类别覆盖潜力的多样化邻居子集，并结合类别感知表示增强机制刻画同类项目间的细粒度差异；后者则先利用GNN完成节点间的消息传递，聚合用户-项目交互图中的局部结构信息，继而为克服传统Transformer的计算效率瓶颈，引入Mamba模块进行轻量化的全局序列建模。特别地，为增强Mamba对图结构的感知能力，进一步设计了图感知的状态转移机制，通过融合节点度信息动态调节状态空间模型(SSM)的参数配置，使模型能够同时捕捉局部协同关系与全局兴趣演化特征。实验结果表明，SGMDRec在保持推荐准确性的同时能够有效提升推荐结果的类别覆盖度和多样性，在准确性与多样性之间取得了较优平衡。同时验证了该方法在多样化推荐任务中的有效性和可扩展性，可为推荐系统中准确性与多样性之间的平衡优化提供一种高效的图感知建模方案。

针对现阶段文物数字化保护中人工测绘专业要求高、效率低和误差不一且易造成二次损伤及文物数字化保护中线绘图技术的瓶颈等问题，依托Grasshopper参数化平台，提出了一种无接触式的文物考古线绘图的自动输出方法，并开发了一套自动考古线图生成系统。该方法基于点云预处理后的三维模型，通过四大核心模块实现文物考古线绘图自动化输出：①几何校正模块采用点云协方差矩阵解析与特征向量提取技术，构建旋转矩阵消除扫描姿态偏差，并基于仿射变换实现模型空间基准归零；②几何分割模块通过参数化分割面构造与布尔运算完成模型精准剖切；③投影生成模块基于正交投影算法合成半剖视图与俯视图；④动态标注模块建立模型尺寸与标注字号自适应映射机制实现智能标注。本研究面向具有相对明确形态特征的器物，基于人工干预预处理模型，构建了一套以参数化流程为核心，高效自动输出的文物考古线图系统。在消除人为视觉误差、避免文物二次损伤的同时，显著提升绘图效率与学术规范性，为文物数字化保护提供兼具理论严谨性与工程实用性的技术范式。此外，将进一步开发纹理映射模块，通过高分辨率文物图像贴图提升三维模型的真实感与细节表现，增强系统在文物数字化展示与保护中的应用价值。

针对3D高斯泼溅(3DGS)在复杂场景新视角合成中存在弱纹理区域渲染模糊、浮空伪影丛生及模型存储大的问题，提出了一种联合空频监督与多视角一致性剪枝的优化方法。在几何上设计多视角一致性剪枝算法，即基于跨视角投影一致性算法计算高斯基元局部置信度，结合体素化邻域共识信息平滑几何空间，定期剔除冗余高斯；设计空域与频域联合监督方法：空域上设计空间自适应L1损失函数，构建特征提取器生成空间权重图，增强高误差区域的梯度贡献，采用能量守恒缩放因子控制训练量级；频域上设计基于双树复小波变换(DTCWT)的幅值正则化方法，利用近似平移不变性和多方向特性，在精细化训练阶段约束多尺度子带幅值差异，平稳调整先验引导高斯属性，解决相位约束导致的震荡和点数激增问题。在Mip-NeRF360等3个公开数据集的实验结果表明，相较于3DGS基准模型，本文方法在渲染质量与模型轻量化均取得有效提升：结构相似性(SSIM)最高由0.851提升至0.860，峰值信噪比(PSNR)最高由23.75 dB提升至24.17 dB，学习感知图像块相似度(LPIPS)最高由0.169降低至0.148；模型存储指标上，Deep Blending数据集上由628 MB降低至417 MB，压缩幅度约为33.6%。综合而言，本文的空频域联合监督与物理剪枝方法实现了高保真重建与紧凑存储。

三维场景局部编辑是内容生成的重要任务，在影视后期处理、数字孪生及游戏开发等领域具有显著的应用价值。三维高斯泼溅(3DGS)作为代表技术，在实时渲染方面取得关键突破，为高效编辑提供了有力支撑。现有基于扩散模型的三维高斯场景局部纹理编辑方法普遍存在的语义泄露与背景漂移问题，制约编辑质量。为此，提出一种基于语义引导区域自适应的三维场景局部纹理编辑方法。该方法旨在实现高质量纹理编辑的同时，保持非编辑区域的几何与外观一致性。首先，提出高置信度三维语义掩膜生成模块，引入视觉-语言大模型，利用LangSAM 与置信度过滤策略，通过多视角投票机制构建鲁棒的三维语义场，从源头消除语义泄露。其次，提出显著性引导的锚点视角传播模块，通过语义显著性评分自动选择最优锚点视角，配合多视角注意力一致性机制有效抑制时序闪烁。最后，提出区域自适应梯度更新策略，通过解耦前景编辑损失与背景锚定损失，对场景进行精细化优化。在Instruct-NeRF2NeRF和Mip-NeRF 360等数据集的5个编辑任务上的实验表明，与GaussianEditor和DGE等基线方法相比，该方法在CLIP Score，Background LPIPS，Background PSNR和Temporal LPIPS等定量指标上综合表现更优。在定性评估中，该方法不仅在复杂语义解耦与背景保护任务上呈现出综合性优势，还在纹理质量与几何完整性之间取得了较好的平衡。

针对大跨度建筑曲面网壳结构的四边形网格生成需求，提出一种对齐曲面规则正交方向场的网格生成与优化方法。该方法以周期转移函数构建的全局参数化为基础，通过样条曲面的重参数化实现等参线与目标正交方向场的对齐。以样条曲面离散后顶点的重参数坐标为变量，建立度量重参数化梯度与目标方向场偏差的能量泛函模型，并将其离散近似为加权边能量形式，求解能量最小化以得到与方向场对齐的离散重参数域。利用相邻三角形重参数域间的周期转移关系，在重参数域中构建连续分布的参数三角形，提取等参线网格并映射回曲面，生成满足方向约束的初始四边形网格。建立等参线间距与目标网格尺寸之间的映射关系，实现初始四边形网格密度的直接调控，无需重复求解参数化即可快速获得不同尺寸的网格结果。进一步考虑建筑曲面网壳对网格几何的要求，建立包含网格单元平面性、整体顺滑性和尺寸均匀性的多目标优化模型，在曲面原始参数域内对网格顶点位置进行迭代优化，得到兼顾建筑设计要求的网格分布。实验结果表明：该方法能够高效生成对齐任意规则正交方向场的四边形网格，在平面性、均匀性及综合质量指标方面优于对比方法；对初始三角形网格的离散方式具有较强稳健性，并可通过调整重参数域的等参线分布实现网格尺寸的实时控制。网壳结构分析结果进一步表明，在相同杆件截面积和材料参数条件下，优化后的网格分布能够有效降低杆件最大应力并改善结构整体应力分布，而结构用钢量基本保持不变，验证了该方法在建筑曲面网壳设计中的有效性和工程适用性。

网格生成是数值仿真前处理中的关键环节，网格质量直接影响仿真结果的计算精度、收敛稳定性与计算效率。燃油电磁阀流场仿真涉及入口窄缝、狭窄通道、转角过渡区和近壁面区域等复杂结构，局部尺度小、几何变化明显，流体经过时易产生速度梯度和压力变化，因此需要生成尺寸更小、分布更密和质量更稳定的局部网格。传统网格生成方法在处理复杂小尺度流道结构时，易出现关键区域分辨率不足、边界层刻画不充分和局部单元质量不稳定等问题，影响流场仿真的可靠性。针对上述问题，设计一种面向燃油电磁阀的流场仿真网格生成方法。首先，对几何模型进行拓扑检查与缺陷修补，消除影响网格划分的几何错误，并识别入口窄缝、狭窄通道和近壁面等重点区域。随后，构建空间尺寸场，指导受控表面离散，使网格尺寸根据几何尺度和流动敏感区域进行调整；在壁面附近沿法线方向逐层铺设过渡单元，形成高分辨率边界层网格，提高近壁流动特征捕捉能力。进一步结合几何梯度与误差指标开展自适应局部细化，重点加密燃油流经的关键通道、窄缝和局部突变区域，并生成高质量四面体网格。最后，通过网格平滑与单元质量优化改善单元形状、尺寸过渡和分布均匀性。生成网格应用于燃油电磁阀流场仿真，并与传统网格划分结果进行仿真效率和精度对比。实验结果表明，面向燃油电磁阀的流场仿真网格生成方法可使前处理时间缩短73.62%，全流程时间缩短40.75%，在提高网格生成与仿真效率的同时，仿真结果精度与传统方法保持一致，具有良好的应用价值。

面向虚拟博物馆、数字展馆等Web端三维室内场景的实时漫游需求，针对复杂模型与高分辨率纹理导致的初始加载时间长、视角切换响应慢和有限带宽下资源分配效率低等问题，提出一种融合网格显著性分析的细粒度动态加载方法。其以用户视觉关注特征为引导，将显著性信息贯穿于三维场景预处理、多分辨率结构构建与在线加载调度全过程，在保障关键区域视觉质量的同时提升传输与渲染效率。首先，针对室内漫游过程中视点分布受路径约束、关注区域相对集中等特点，采用基于引导路径的多视角投影采样方式获取场景图像；在显著性预测阶段，结合多输入编码器-解码器结构与对抗训练机制，对投影图进行显著性回归，并加入纹理增强模块以强化高分辨率纹理的表征能力；随后将多视角二维显著性结果映射回三维网格，并通过邻域平滑优化生成空间分布连续的网格显著性。基于所获得的显著性分布，在V-Partitions多分辨率建模框架中引入显著性优先级边界，使高关注度且语义连续的区域尽可能保留在同一个三角补丁中，构建带有显著性属性的层次化DAG结构。在线运行阶段，设计双层调度机制：在场景层依据物体与用户视点的空间关系计算全局重要性，在物体层面综合显著性与屏幕空间误差计算局部重要性，并通过全局优先队列实现补丁级动态调度框架。实验结果表明，首次加载时间和视角切换响应延迟显著降低，同时提升了整体画面的PSNR以及显著区域的ROI-PSNR，在线运行系统支持500 MB以上的三维场景交互，为Web端三维场景可视化提供了有效的解决方案。

面向深化设计阶段图纸会审记录口语化、语义模糊、术语不统一、上下文依赖强及工程经验难复用等问题，构建一种将非结构化工程文本稳定转化为可计算审图规则的结构化转译方法，以降低专家手工编写规则的成本并提高经验沉淀效率。以建筑信息模型(BIM)审查需求为约束，设计由审查主体、审查属性、逻辑算子和阈值或客体对象组成的规则四元组；构建面向非标准术语的语义字典，将工程习惯表达映射到工业基础类(IFC)实体和属性；依次执行文本清洗、BIM可检性判定、四元组拆解、语义消歧、可计算功能匹配和结构化自然语言(SNL)实例化，并利用融合思维链的大语言模型(LLM)提示架构完成分阶段推理和结果自检。从企业历年图纸会审记录中筛选200条样本，由5名工程专家编制人工基准，另由10名资深工程师在匿名条件下按可检性、构件名称、构件属性、逻辑算子和SNL规范性5项指标独立评分，对比简单提示词通用模型组与融合思维链组，并记录不同复杂度样本的质量与处理耗时。融合思维链组5项指标得分率分别为98.0%，91.7%，91.3%，92.0%和94.3%，较通用模型组分别提高27.0，34.4，38.6，33.6和43.9个百分点；简单、常规和复杂样本得分率分别达到97.3%，93.9%和86.6%，复杂样本的改善幅度更明显。全部样本推理约耗时1.5 h，虽高于通用模型组约20 min，但显著低于人工基准构建的约50人时。受控语义槽位、领域语义字典、SNL模板与分阶段思维链协同，可提升图纸会审记录转译的一致性、规范性和效率，为工程经验向可复用审图规则的数字化沉淀提供可实施路径参考。

黄河流域生态治理涉及多主体、多任务与多机制的协同，政策文件、企业报告及社会舆情等多源文本中蕴含大量隐性治理关系与冲突传导线索。如何将这些信息转化为可计算的图结构，并实现冲突的识别与测度，是复杂网络治理分析中的关键问题。针对现有方法在非结构化治理语义组织、冲突关系拓扑表达及冲突强度量化方面的不足，借鉴图学领域中复杂对象建模、拓扑关系表达与可视分析的思路，提出了一种融合知识图谱与关系型图注意力网络（R-GAT）的黄河生态治理复杂网络冲突测度方法。该方法以知识图谱提供的语义结构和有向关系网络作为R-GAT的结构基础与语义先验，学习不同关系边在冲突形成中的作用强度，实现复杂治理关系从文本语义到图结构表达、拓扑分析及量化测度的转化。实验结果表明，该方法在冲突强弱排序与强冲突关系判别上表现较优，能够有效识别黄河生态治理复杂网络中的关键冲突关系，为复杂关系对象的图结构建模与多主体治理冲突测度提供一种知识图谱驱动的图学习方法。

飞机机翼肋板作为关键承力结构，其轻量化设计对提升飞行器整体性能具有重要意义。传统机翼肋板设计主要依据工程经验确定结构尺寸，缺乏系统性的优化设计方法。基于有限元分析的结构优化方法在几何表达精度、设计-分析一体化等方面存在局限性。基于弱耦合等几何分析与变密度拓扑优化，建立了蒙皮、翼肋与翼梁组合结构复杂构型下的机翼肋板拓扑优化设计框架。首先，采用非均匀有理B样条技术构建机翼结构的精确几何模型，在此基础上建立基于Reissner-Mindlin板壳理论和罚函数弱耦合方法的等几何分析框架，并与商业有限元软件Abaqus的计算结果进行对比，验证了该框架的准确性与可靠性。其次，以柔度为目标函数，采用最优准则法作为优化算法，设计了基于变密度法的等几何拓扑优化模型，分析了密度罚因子与滤波半径对优化结果的影响。最后，将弱耦合等几何分析与变密度拓扑优化应用于复杂机翼构型下RAE-2822和Davis B-24这2类翼型肋板的整体拓扑优化设计，并通过Abaqus对优化前后模型进行仿真分析与对比，验证了设计结果的有效性。结果表明，弱耦合等几何拓扑优化方法的建立能够在保证机翼整体位移响应基本稳定的前提下，实现翼肋设计域内材料分布的优化调整与结构减重，为复杂薄壁机翼结构的轻量化优化设计提供了一种可行的技术途径。

由于当下增材制造中的点阵结构设计与后续切片流程存在割裂，传统方法依赖基于STL模型的通用切片算法，需将完整点阵结构离散为三角面片网格，再通过面片与切平面求交生成轮廓。然而，点阵结构中杆件数量庞大，STL模型数据量巨大，且三角面片近似表达易引入几何误差，导致切片精度下降；同时，面片求交需遍历大量冗余三角面片，计算效率低下，难以满足大规模点阵结构快速预处理的需求。针对上述问题，提出一种面向点阵结构的直接切片方法，避免STL模型的中间转换。首先将每根连杆抽象为圆柱或圆锥几何体，直接利用设计阶段生成的杆件拓扑位置数据，建立切平面与杆件之间的解析几何关系，通过空间直线与二次曲面求交的封闭公式，直接计算杆件与切平面的相交轮廓，获得精确截面形状，有效规避了三角面片离散带来的几何失真，提升了轮廓精度。在计算效率优化方面，引入数据映射技术，将圆锥曲线轮廓的解析求解转化为基于单位圆的线性映射与矩阵运算，并通过预计算变换矩阵，使各切片层仅需更新杆件中心坐标即可实现轮廓重构，有效消除了冗余计算，提升了大规模点阵的处理速度。此外，针对节点处多杆交汇形成的复杂轮廓，采用多边形融合操作进行后处理，消除轮廓交叉与冗余边，生成连续、无自交的切片轮廓。实验结果表明，该算法具有良好的可行性与有效性，能够提升点阵结构增材制造模型预处理的效率与精度。

在架空输电线路设计中，线间距离校核需要进行频繁的设计变更以满足严格的机械与绝缘安全约束。针对传统方法依赖多软件模块切换、流程重复和迭代次数多等变型设计效率低下的问题，提出一种支持快速变型设计的线间距离校核方法。首先，基于“顶层基本骨架”(TBS)建模理论，构建了能够将杆塔设计控制信息与顶层设计意图传递至导线形态参数的自顶向下设计流程，保障线间距校核流程快速响应常见设计变更要求。进而结合该流程对模型的细度要求，提出了由导线、杆塔与装配关系构成的轻量化输电线路骨架模型。通过参考行业标准的通用模型定义构建轻量化杆塔形状骨架，实现模型的快速创建和修改，并根据TBS在横向布局结构的建模方式建立杆塔定位骨架，实现高效准确地传递设计变更。同时，建立集成几何与设计信息的导体骨架模型，实现电线力学快速计算的数据共享。在此基础上，构建了包含杆塔与导线连接关系的装配模型，实现变型设计的数据一致性和对复杂线路结构的适应性。最后基于Qt平台开发相应的线间距离校核原型系统，以各类一般及特殊线路工程作为典型实例进行变型设计需求的应用演示。实例应用结果表明，该方法能有效满足变更杆塔位置、塔头尺寸、换位方式和自定义工况四大类典型的快速变型设计需求，且对复杂耐张段级线路工程具有良好的可扩展性，为提升绝缘配合的设计效率提供了高效灵活的技术支撑。

数字文旅AR交互已成为影响游客信息获取、情绪唤醒与视觉参与的重要方式，但不同交互方式对游客情感体验及视觉搜索行为的影响机制尚不明确，面向场景差异的交互优化仍缺乏实证依据。为揭示场景类型与AR交互方式对游客情感体验及视觉搜索行为的影响，以知识学习型与娱乐互动型两类场景为对象，构建主观评估量表与眼动生理测量相结合的情感体验测量框架。实验以陕西历史博物馆专题展为内容基础，设置传统浏览、语音交互、触屏交互和手势交互4种条件，采用2×4双因素被试者内实验设计，同时采集24名有效被试者在8种实验条件下的PAD情感量表数据和眼动数据。主观指标包括愉悦度、唤醒度和支配度，客观指标包括注视比例、平均瞳孔直径和单位时间眼跳率，并采用线性混合模型检验场景类型、交互方式及二者交互作用的影响。结果表明，AR交互方式对游客情感体验和视觉搜索行为的影响具有场景差异。知识学习型场景中，手势交互在唤醒度和部分支配度比较中表现出一定优势，但眼动结果并未显示其在视觉注意稳定性上具有一致优势，说明知识任务中的交互优化需兼顾信息呈现清晰度、操作反馈稳定性与视觉负荷控制。娱乐互动型场景中，手势交互的情感体验优于触屏交互，并伴随较高的注视比例、平均瞳孔直径和单位时间眼跳率，说明手势交互能够增强视觉参与和情绪唤醒，但也可能提高动态内容搜索强度。知识学习型场景应重视信息组织与交互稳定性，娱乐互动型场景可适度强化具身操作和动态反馈。研究结果不仅揭示了不同AR交互方式在知识学习型与娱乐互动型场景中的情感体验差异及视觉行为特征，也为数字文旅AR应用中交互方式的场景化配置、情感体验优化和设计策略制定提供了实证依据与方法参考。

针对传统设计方法难以精准捕捉用户差异化情感需求的局限，提出一种融合异质用户集群识别与群体智能算法的产品情感设计方法。以用户在线评论数据为基础，采用RCLA模型筛选高价值用户群体，结合自然语言处理与社会网络分析识别异质用户集群，通过熵权法量化情感需求权重；其次运用形态分析法解构产品设计要素并建立编码体系；进而基于数量化理论I类计算设计要素对情感需求的贡献值，引入蚁群算法实现设计要素智能配置，结合用户反馈机制完成方案迭代优化。以吸尘器为案例，采用语义差异量表开展满意度测评对设计方案进行验证，结果显示：初始优化方案较传统设计样本的情感需求满足度显著提升，经用户反馈迭代的最终方案可进一步识别集群内部细微需求差异，持续提升设计方案的用户适配性与满意度。研究表明，该数据驱动与智能算法融合的情感设计方法可突破传统小样本分析的局限，为动态需求下的产品创新提供新思路。

随着我国人口老龄化进程的日益加速，构建无障碍与认知友好型社区环境已成为提升老年人生活质量、独立生活能力与安全感的重要议题，其中社区环境标识作为空间指引与信息交互的核心载体，其信息可达性与视觉易读性直接影响着老年人的出行便利及社会参与。本研究从老年人感知与理解标识时的图标辨识与语义匹配两类关键认知过程出发，旨在系统揭示我国社区老年人在典型环境标识辨识能力上的差异特征及其深层影响因素。为此，在北京、上海、重庆及成都4个代表性城市展开了前后对比实验，共采集到735名社区老年人的有效图标认知数据，考察了26个典型社区环境标识在图标辨识和语义匹配2个任务维度下的正确率表现。研究结果表明，受教育程度与两类任务的表现关联性最强，高学历群体在图标辨识与语义理解上均表现出显著更高的识别率；而在语义匹配任务中，不同年龄段的识别率呈现出明显的组间差异，其中60岁年龄组的语义识别正确率显著高于70岁和80岁年龄组，而70岁与80岁2个年龄组之间的认知表现则较为接近。基于上述发现，本研究针对实验中辨识正确率低于80%的高误读社区空间标识进行了系统性的适老化优化设计，后续再测试实验表明，重构后的标识在老年群体中的辨识正确率大幅提升了12.1%~25.3%。进一步揭示了老年人对环境视觉符号的认知加工规律与个体差异，并为未来适老化社区标识系统的规范化设计以及认知友好型社区的建设提供了切实可行的科学依据与实操指引。