当前训练后量化方法(post-training quantization)在高比特量化位宽下可以实现精度近乎无损的量化，但对于轻量卷积神经网络(CNN)来说，其量化误差仍然不可忽视，特别是低位宽(<4比特)量化的情况。针对该问题，提出了一种面向轻量CNN的训练后量化方法，即块级批归一化学习(BBL)方法。不同于当前训练后量化方法合并批归一化层的方式，该方法以模型块为单位保留批归一化层的权重，基于块级特征图重建损失对模型量化参数和批归一化层的参数进行学习，且更新批归一化层的均值和方差等统计量，以一种简单且有效的方式缓解了轻量CNN在低比特量化时产生的分布漂移问题。其次，为了降低训练后量化方法对校准数据集的过拟合，构建了块级的数据增强方法，避免不同模型块对同一批校准数据进行学习。并在ImageNet数据集上进行了实验验证，实验结果表明，相比于当前训练后量化算法，BBL方法识别精度最高能提升7.72个百分点，并有效减少轻量CNN在低比特训练后量化时产生的量化误差。

针对无人机电力巡检航拍图像通常背景复杂、待检目标尺寸较小，使用通用的特征提取网络往往导致漏检、误检率较高，提出了一种用于特征融合的特征聚焦扩散网络(FFDN)，利用FFDN对YOLOv8算法进行改进，设计了基于YOLOv8的电力巡检目标检测算法YOLOv8-SFD。在主干网络采用空间到深度非跨步卷积(SPDConv)保留更多小尺度特征，减少跨步卷积造成的特征损失，避免小目标以及遮挡目标特征提取过程中的特征丢失；在特征融合阶段使用FFDN代替传统的特征金字塔网络，利用特征聚焦模块融合多尺度特征并扩大感受野，将特征聚焦模块输出的多尺度特征图扩散传递至不同尺度，提升小目标的检测精度；将原始YOLOv8的头部替换为融合了尺度、空间和任务3种注意力机制的动态检测头(DyHead)，进一步提高模型检测性能。实验结果表明，YOLOv8-SFD准确率达到76.7%，召回率达到43.0%，平均精确率均值达到48.2%，分别比YOLOv8n提高了7.6%，2.0%和3.8%。YOLOv8-SFD有效提升了小目标和遮挡目标的检测精度，且检测速度达到119帧/秒，满足实时检测的需要。

零样本风格迁移旨在将给定源图像的风格转换至目标文本所描述的风格域，而无需风格图像的指导。现有的零样本风格迁移方法大部分需要耗时在微调和优化过程，而其他无需微调和优化的方法不能很好地实现内容和风格的对齐。借助扩散模型Unet去噪网络的特性，提出了一种无需训练和优化的双支路框架，可以实现内容和风格对齐的零样本风格迁移。首先，该网络通过在内容支路上将噪声图像进行去噪，提取内容支路采样过程中的内容特征以保持源域的内容结构；然后，在风格支路上使用梯度引导的方式从目标文本提示中获取风格信息，并将获取到的风格信息传递到去噪图像中，提取风格支路采样过程中Unet网络的跳连接特征作为风格特征以传递目标风格信息。这种双支路的设计实现了风格迁移过程中内容和风格特征的解耦，避免了单一风格迁移网络中内容和风格特征的纠缠。最后，设计了一个特征调制模块(FMM)来调制和融合来自内容支路和风格支路的内容和风格特征，以实现内容和风格特征的对齐，从而在传递风格的同时最小化影响内容。通过实验结果表明，该方法在无需训练和优化的前提下，可以在任意内容图像上实现高质量的风格迁移。

针对传统方法对于光照变化和物体遮挡引起复杂的、动态变化阴影处理易致阴影检测的准确率和鲁棒性较低问题，提出了一种基于分割万物模型(SAM)的视频阴影检测方法，对SAM解码器进行微调，使其更适合阴影检测；利用SAM提取关键帧阴影区域，引入XMem模型，结合感觉记忆、短时记忆和长时记忆联合前后帧信息，给出优化和稳定视频阴影检测结果。实验结果表明：在ViSha数据集的阴影实验结果与传统方法相比，该方法的均值绝对误差降低了约31.8%，交并比提升了约19.7%；定性和定量结果表明本方法不仅提升了视频阴影处理的准确率，并表现出较好的鲁棒性。

基于单目视频的三维人体姿态和形状估计在虚拟试衣和影视特效制作等领域具有重要作用。针对基于单目视频的三维人体姿态和形状估计中的人体建模不充分、时空表征较单一、估计精准性受限的问题，提出三维人体姿态和形状估计的分层注意力时空特征融合算法。首先使用分层注意力对人体部位进行分层空间建模，得到可学习的人体姿态空间特征；然后将可学习的人体姿态空间特征与参数人体模板结合，共同指导人体运动时序特征进行时空建模，实现时空特征融合；最后提出三维人体姿态和形状联合优化方法，使用多层感知机回归更加精准且平滑的三维人体网格。在Human3.6M数据集上的实验结果表明，该方法在评估指标MPJPE和ACC-ERR上的数值分别为56.1 mm和3.4 mm/s²，较现有方法相比降低了0.5%和5.6%，能够提高三维人体姿态和形状估计的精度，生成精准且平滑的三维人体网格。此外，在3DPW数据集和互联网视频的测试结果表明，在面对快速运动等场景时，也具有一定的鲁棒性。

单光子雪崩二极管(SPAD)的高时间分辨率特性及高精度特性为其开辟了广泛的应用空间，尤其是在对算法性能要求日益增长的计算机视觉、计算成像等领域。SPAD能对各种常见目标进行精确度较高的深度估计，但SPAD每次探测到光子后会进入一段无法探测的猝灭期。这导致在环境中光子数量较多时，同一脉冲周期内更早到达SPAD的光子有更大概率被采集，使得最终形成的光子数量统计曲线明显向时间轴短的方向偏移，且偏移程度随着光子通量(即单位时间内探测光子数量)的增加而扩大。该现象被称为堆积效应(Pileup effect)，其降低了深度估计算法的准确性。对于这一问题，搭建了用于采集SPAD光子数据的单光子探测系统，并在几种不同光子通量下采集了一个针对SPAD深度估计任务中堆积效应进行研究的目标深度数据集。在此基础上，设计了一个将光子通量作为全局特征进行学习的深度估计网络，其融合了SPAD探测结果中的局部空间特征和全局光子通量特征，在几种存在堆积效应的光子通量下均取得了较高的深度估计性能。

从计算机断层扫描(CT)图像中精确分割肺气管是诊断和治疗各类肺部疾病的重要前提，但气管复杂的树状结构使得获取用于深度神经网络训练的像素级标注数据极为困难。半监督学习为在有限标注数据下的气管分割提供了新的思路。然而，在气道分割任务中，大气管(气管及其主分支)和小气管(外周细支气管)在体素数量、分支数量和形态结构等方面存在显著的类内差异。严重的类内不平衡问题导致模型易在半监督学习中对占主导地位的分割类别发生过拟合，从而对外周细支气管的表征学习不足、分割精度差，限制了临床应用。针对这一问题，提出了一种新颖的基于单教师双学生三分支网络的半监督肺气管分割框架，在有限的标注数据下实现气管树状结构的精准分割。同时，设计了一个即插即用的动态阈值模块，在网络迭代训练的过程中引导网络识别具有不同分割难度的子区域。此外，还提出了一种新颖的类内区域解耦策略，通过采取不同约束优化方式对不同分割难度的子区域进行表征学习。在2个公开数据集和一个私有数据集上的实验结果表明，该方法在气管分割上优于现有最先进方法，Dice相似系数(DSC)指标达到了91.96%，气管中心线长度(TD)和气管树分支(BD)指标分别达到81.88%和78.32%，实现了CT图像中肺气管快速精准分割。

随着虚拟现实(VR)产业的蓬勃发展和国民审美需求的提升，艺术作品的展现形式成为VR应用中一个重要的研究课题。基于VR技术的沉浸式艺术因其能为观众提供视觉、听觉等多感官、全方位的体验受到了广泛的喜爱。针对现阶段已有应用存在体验单一、与环境交互有限以及沉浸感不足等问题，设计并开发了VR环境下基于情绪捕捉的艺术再生成体验系统，利用面部识别等技术来捕捉情绪，实现人与艺术作品的互动。体验者通过与作品的交互将其感受反馈给艺术作品，使作品体验变得丰富有趣并富有个性化，并进一步调节体验者的情绪。此外，用户验证实验采用问卷调查的方式对系统可用性、沉浸度和功能与自身的情绪进行评估，实验结果表明用户对系统的满意程度较高，使用系统后，用户的情绪状况得到了一定程度的改善。

近年来，人工智能(AI)视觉模型及其动作捕捉技术在医疗领域备受瞩目，但在视神经脊髓炎(NMO)康复领域中尚未得到广泛应用。针对当前NMO患者康复训练存在的个性化程度低、体验不佳和效果不显著等诸多问题，提出通过Mediapipe姿态跟踪技术及交互反馈设计，对NMO康复训练系统进行研究和实现。主要完成了以下几项核心工作：①康复训练计划制定研究。通过定性和定量相结合的方法，对36名NMO康复患者进行影子观察和深度访谈，并使用中国中枢神经系统炎性脱髓鞘疾病登记研究随访表进行评估，构建了全面的评估体系；②康复训练动作指导反馈分析。设计了康复训练动作库，确定了人体关节点的坐标、关节点形成的角度以及关节点信息与标准信息的差值等关键指标，并利用Mediapipe框架构建人体姿态检测模型，实现康复训练动作的实时识别与反馈；③康复系统交互反馈机制设计。确立了及时性、特殊性、指导性和可追溯性的交互反馈设计原则，设计了包含场景定位、维度分析和交互方式的反馈流程，并引入Fogg行为模型理论，最终搭建了基于微信小程序的轻量化康复训练平台。最终得到了一套NMO康复训练系统及其配套方法，验证了AI动作捕捉技术在该领域应用的可能性，提升了NMO患者在康复训练过程中的体验，并在首都医科大学附属北京天坛医院实际落地推广，论证了其具有广泛的应用价值。

虚拟现实(VR)技术的不断发展为人们提供了沉浸式的体验，在虚拟环境(VE)中如何优化用户的感知和行走效率仍是一个亟需探讨的问题。基于此，通过用户实验探究了用户对VE中尺度变化的缩放增益感知阈值、用户对于场景缩小极限的接受度以及对场景缩放和平移增益叠加效应的接受度以优化VE的交互体验。首先，通过设置不同缩放增益下的虚拟场景让被试者执行目标跟随任务，收集并分析了3种场景下的被试者感知数据，发现被试者对VE尺度变化的缩放增益感知阈值存在一定的范围，虚拟场景的尺寸和环境中物体的密度等场景特性均显著影响被试者的缩放增益感知阈值。不同场景中，被试者对场景缩放的敏感度有显著差异，被试者的感知很大程度上依赖于场景本身的特性，虚拟场景的尺寸越小，环境内物体密度越高，则被试者的缩放增益感知阈值范围越窄。此外还通过李克特量表评估了被试者对场景极限缩小的接受度，发现过度缩小会显著降低被试者的舒适度并不利于被试者体验。实验结果表明，缩放增益与平移增益的叠加对用户感知影响较小，用户对此表现出低不适感和高接受度。

针对当前神经隐式表面重建任务中训练时间开销大的问题，提出了一种联合点云先验指导的采样方法，在保证表面重建质量的同时降低模型训练的时间成本。对神经隐式表面重建网络训练的加速分为3个方面，首先交替使用随机训练像素采样和基于点云投影密度的自适应训练像素采样，加速模型对待重建表面位置的优化；然后通过点云先验与采样像素邻接关系，对训练光线上接近表面的位置进行集中采样，减少重要性采样的数量和时间开销；此外结合稀疏点云先验损失优化符号距离场网络，并以一定迭代步长对点云缓存进行更新。对比实验选取了DTU和Tanks-and-Temples数据集中的10个测试场景，结果表明该方法可有效地减少神经隐式表面重建训练时间开销的同时保证表面重建的质量，与NeuS神经隐式表面重建方法相比，训练时间开销减少35%；在相同训练时间内，本方法预测新视角图像峰值信噪比(PSNR)相较于NeuS方法平均提高了3.1%，结构相似度(SSIM)平均提高了3.4%。

复杂电磁环境模拟的目标对象通常具有几何结构复杂、尺寸跨度大、部件数量多的特点。面向时域有限差分方法，需要采用非均匀的矩形网格来剖分计算区域，在保证几何高分辨率的同时，尽量减少内存和计算开销。为此，提出了一种基于几何特征的非均匀矩形网格自动生成方法。首先，采用基于离散面片的特征提取算法获取几何模型的曲率特征和厚度特征；然后，针对提取的几何特征以及用户设置的局部加密参数，在3个坐标方向上分别构造反映网格步长疏密分布的局部尺寸函数；最后，根据尺寸函数计算各坐标方向上的网格线坐标，并填充网格单元的材料属性。测试结果表明，该方法能够自动剖分适应精细几何结构的非均匀矩形网格，并成功应用于复杂电大尺寸目标的时域全波电磁模拟。

大规模数值仿真的时变体数据在科学研究中具有重要价值，但其巨大的规模对I/O带宽和磁盘存储带来了严峻挑战，影响了数据可视化和分析的效率。传统的有损压缩技术在高压缩比条件下易丢失重要特征，深度学习模型在压缩体数据上虽表现良好，但通常要求在压缩前能访问整个数据集，其存在一定的局限性。隐式神经表示(INRs)凭借其通用性成为压缩大规模体数据的有力工具，针对现有方法采用单个大型多层感知机(MLP)对全局数据进行编码，导致训练和推理过程较为缓慢，且难以准确拟合高频信息。提出了一种基于阻尼函数的均匀分区隐式神经表示方法，用于大规模时变体数据的高效压缩。首先，采用均匀分区方法，以多个MLP分别对局部数据进行拟合。通过均匀化分区大小，实现MLP之间的平衡并行化，从而显著提高了训练和推理的效率。其次，引入阻尼函数作为激活函数，克服频谱偏差问题，无需额外的位置编码即可捕捉高频信息。最后，通过复制相邻单元格信息解决了数据分割带来的边界伪影问题。实验结果表明，该方法在多个时变体数据上实现了更高的压缩效率和更精细的细节还原，展现了优越的压缩性能。

准确重建双手手部网格对于自然的人机交互体验来说是一个至关重要的过程，但由于双手的遮挡、户外收集双手交互数据集的复杂性和复杂的光照环境干扰等因素导致双手手部重建任务仍极具挑战性。目前已有的工作大多是在环境干扰比较小的实验室等场景下取得的的良好效果，而在复杂的光照场景中的重建效果仍不佳。为了解决上述问题，提出一种面向单目可见光环境的自适应手部重建网络。通过引入单手检测框和使用2D复杂光照场景数据集进行弱监督等策略使得模型得以对复杂光照场景产生泛化性；设计的双手特征交互器得以有效建立左右手特征的远距离依赖关系，缓解了单手检测框缺乏双手交互信息的问题；针对如何有效融合交互特征与单手特征的问题，设计了自适应融合的策略，增强了模型的鲁棒性。实验结果表明，在包含多个复杂光照场景的HIC数据集中取得了最佳的效果。

基于Wi-Fi信号的呼吸速率估计技术凭借其非接触式的优势吸引了学术界和工业界的广泛关注。然而，如何提取高质量呼吸波形确保呼吸速率估计的精度是一直困扰研究人员的难题。提出了一种基于经验模态分解(EMD)的加权呼吸波形重构算法(WEMD)，旨在提高不同环境下个体呼吸速率估计的精准度和鲁棒性。首先，利用呼吸信噪比(BNR)和I/O分解及投影方法，筛选出周期性较好的子载波并生成多条呼吸波形。其次，通过主成分分析(PCA)技术校准呼吸波形、经验模态分解方法分解和估计不同频率分量与原始呼吸模式的相关性。最后，通过设计的自适应加权算法对不同呼吸波形进行重构融合实现高精准的个体呼吸速率估计。实验结果表明，WEMD算法在4个室内环境下获得平均94%以上的人体呼吸速率估计精准度。该方法不仅有效地解决低质量Wi-Fi数据对呼吸速率估计精度的影响，而且也能够精准估计不均匀呼吸的速率，实现在不同环境下高精度地监测人体呼吸，以保证估计误差在10%以内。

针对当前跨军地治理背景下，军地双方在房屋治理方面缺乏有效的信息交流机制，且在保护敏感信息的安全方面也面临着挑战，为此提出了一种基于三维空间句法与语义丰富的跨军地房屋信息共享机制。以IFC文件作为输入信息源，利用三维空间句法提取算法，将三维室内空间简化为节点与边组成的模型，以拓扑结构的形式呈现出室内空间的连接结构图形。利用外部信息源在Neo4j图数据库中对房屋信息进行语义丰富，并利用Cypher语言在语义丰富的三维空间句法模型中实现信息查询，从而确保跨军地信息共享的高效性和敏感性。通过某大学的校园建筑三维模型验证了该方法的准确性和有效性。房屋信息共享的实现不仅提高了跨军地背景下资源的利用率和资源配置的优化程度，也提升了紧急情况下的应急管理和响应能力。

为了应对航空制造工艺设计中传统的“经验驱动”方法面临的“数据超载”问题，难以实现航空复杂零件的智能化工艺设计，提出一种基于数据挖掘与深度语义模型的工艺序列推荐方法。通过采用PrefixSpan算法与BERT大语言模型相结合从零件实例数据中挖掘典型制造工艺序列及其相关能力，构建了可重用、可更新的制造工艺知识库。在此基础上，针对航空制造数据的特点提出了一种改进的空间通道注意力机制，进行零件实例数据隐式特征提取，同时针对零件实例不均衡分布导致的“冷启动”问题，结合自监督学习挖掘数据的深层结构，保证模型泛化能力和小样本实例的学习能力。通过基于双通道注意力的深度语义模型与自监督学习相结合的方法，使得模型在数据不平衡的情况下更好地提取特征、学习知识以及准确地推荐更加符合航空工艺设计的工艺序列。以某航空零件为例，进行了制造工艺序列的推荐与验证。实验结果表明，该方法在制造工艺序列推荐的各项指标上均优于基准模型，验证了该方法的有效性，且能满足航空工艺设计人员的智能化工艺设计需求。

在叶片复杂曲面零件的抛磨加工中，现有的轨迹规划方法主要将抛磨接触过程视为几何问题，未充分考虑抛磨工具的柔性变形和材料去除量的影响，导致轨迹规划产生误差，为提高叶片表面加工精度，研究百叶轮在抛磨接触过程中的柔性变形和接触区域的材料去除量对步长和行距的影响。首先，对接触区域进行分析，建立了材料去除量模型；接着，计算柔性适应性抛磨路径点的步长和行距，采用恒定进给速度进行插补；其次，提取叶片抛磨区域NURBS曲线，并离线仿真生成叶片表面抛磨轨迹点；最后，在搭建的抛磨平台上进行试验验证，叶背和叶盆的表面粗糙度R_a≤0.3 μm，前缘和后缘的表面粗糙度R_a≤0.2 μm，抛磨总效率提高约9.40%。证实了柔性适应性轨迹规划方法可有效提高表面加工精度和加工效率。

在电子束冷床熔炼炉(EB炉)中熔铸TC4钛锭的过程中，工艺参数的精确控制对于确保钛锭最终质量至关重要。针对这一过程中可能出现的质量问题，采用有限元方法对TC4钛锭在EB炉中的凝固过程进行了详细地计算与分析，研究了在不同浇注温度和不同浇注速度下钛锭凝固过程的熔池形貌变化。研究表明：升高浇注温度会导致TC4钛锭的液相线和固相线深度增加，这增强了流动性并有助于晶粒均匀分布，固液相线间的宽度减小，减少了固液共存的时间；而提高浇注速度会使熔池深度和宽度增大，糊状区扩展，温度梯度减小，固相率降低，晶粒均匀性下降。此外，该研究为电子束冷床熔炼TC4钛锭的工艺参数优化提供了理论支持，合理控制2个参数可改善凝固组织和提升钛锭性能。

人体耳廓的三维模型在人体工程学和数值模拟等领域有着重要应用，可通过光学扫描成像等方法快速建模，但耳甲腔等局部凹陷结构无法将反射光线反馈给扫描设备，从而形成扫描盲区。传统方法是通过逆向工程软件依据盲区周围三角网格的曲率信息进行修补，但精度较低且效率不高。为提升耳廓模型精度，将耳印材料注入耳甲腔，然后扫描耳印模型以获得精确的耳甲腔凹陷结构，并将其与耳廓扫描模型的重合部位进行手动对齐和全局对齐，从而拼接得到较为精确且完整模型，该方法获得的耳廓模型精确但整个过程相对复杂耗时。针对这一问题，提出一种基于三维耳廓模板修复光学扫描缺损模型的方法。首先基于精确扫描和拼接建立的35名成年受试者的耳廓模型构建统计形状模型库，根据其相关性特征生成三维耳廓模板；然后采用改进后的MeshMonk程序，通过刚性配准和非刚性配准至5位新受试者的缺损模型，从而生成完整模型；最后采用偏差距离均方根值，对比分析5位受试者的修补完整模型、生成完整模型和精确完整模型之间的图形偏差。结果表明，生成完整模型与精确完整模型的均方根均值为(0.37±0.01) mm，在可接受阈值0.50 mm范围内。而在点云距离大于0.50 mm之外，生成完整模型与精确完整模型的均方根误差均值为(0.93±0.12) mm，明显小于修补完整模型与精确完整模型的均方根误差均值(2.87±0.49) mm (提高约68%)。可见，该方法相较于逆向工程软件修补法具有明显的精度优势，且方法简洁、高效，可用于完整耳廓甚至头部的三维扫描建模。

为应对产品设计过程非结构化数据处理的挑战，解决通用检索系统排序策略固定、推送特定行业数据缺乏精细度的局限，提出了一种面向产品云设计过程的非结构化数据建模与检索方法。首先，面向产品云设计创新和决策过程的实际需求，构建非结构化数据处理框架。随后，提出了将科技文档版面分析问题视作目标检测问题的新思路，在领域科技文档数据库的基础上，构建了产品设计领域多要素版面分析与识别模型。通过构建数据特征空间和标签特征，结合LambdaMART算法，实现了领域科技文档数据的动态排序与高效检索。最后，通过案例验证了该方法在产品技术革新中的应用潜力，为数智驱动的设计迭代与精准决策提供了创新支持。

为研究信息如何精准表征风险以辅助驾驶员准确感知环境，设计包含不同模态、变量和参数的信息样本进行紧迫度和扰人度感知测量实验，并根据感知测量结果，构建包含模态排序、变量选择和参数寻优的3层次车内辅助信息设计模型。首先，针对视觉、听觉和触觉模态，分别对比其各个设计变量的紧迫度感知差分灵敏度，选择差分灵敏度最高的设计变量作为该模态的风险表征变量，通过该模态的参数水平变化表征风险变化。其次，针对每个非风险表征变量，分别比较其不同参数水平的感知紧迫度与扰人度差值，并将差值最大的参数水平作为该变量的最佳参数水平，结合风险表征变量构建各个模态的辅助信息模型。然后，拟合3个模态的紧迫度和扰人度线性方程，观察同紧迫度下各个模态的扰人度差异，按照高紧迫低扰人原则进行模态优先级排序。最后，按照顺序对各个模态辅助信息模型进行叠加，形成“4级视觉闪烁频率+5级触觉震动占空比+6级听觉脉冲间隙”的多模态车内辅助信息模型。构建的车内辅助信息模型，可以实现对15级环境风险的精准表征，为驾驶员准确感知环境、保障驾驶安全提供了有益地帮助。