目的随着人脸美颜技术的广泛应用，社交网络中充斥了大量经过各种类型的美颜操作的人脸图像。人脸美颜技术的使用方便快捷，在为用户提升视觉体验的同时，也给数字内容的真实性带来了严峻挑战，并可能被应用于网络欺诈、虚假宣传等领域，带来安全隐患。当前研究主要集中于美颜检测领域，即判断图像是否经过美颜处理，而缺乏对如何从美颜图像中复原原始人脸的探索。本文提出了美颜人脸图像复原任务（face retouching restoration，FRR），旨在去除因美颜处理导致的色彩纹理改变和结构特征扭曲，从而重建原始人脸图像以便于追溯原始身份特征。方法本文提出了基于美颜痕迹引导去噪过程的扩散模型（retouching-guided diffusion model for FRR，RT-FRR）。该方法通过多尺度篡改痕迹提取模块（multi-scale face retouching trace extraction module，FREM）提取美颜图像中的美颜处理痕迹特征，并构建多尺度条件引导机制来控制扩散过程。RT-FRR采用残差预测策略，在去噪过程中预测原始人脸图像和美颜图像之间的人脸残差，从而实现面部纹理细节和结构特征的协同恢复。结果本文在新构建的重度美颜人脸数据集（extremely retouched face dataset，ExRF）和现有公开美颜检测数据集RetouchingFFHQ上分别进行了实验。实验表明，相比现有图像复原方案，本文方法在常用图像质量评价指标上有显著提升。对人脸特征相似度的分析也表明本文方法可以有效恢复原始人脸的身份。结论本文所提的RT-FRR能有效预测原始人脸和美颜人脸之间的残差，并在视觉质量和人脸识别准确率方面均表现出色，显著优于基线模型。

目的面向具身智能与人形机器人等需在真实环境中即时感知与决策的系统，针对现有视觉—语言模型在像素级分割中常见的定位模糊及尺度、视角敏感性问题，提出一种无需像素级微调的推理范式，旨在在不改变预训练表征的前提下提升开放词汇语义分割的像素级判别质量与工程可用性。方法构建TG-CLIP框架，以冻结的CLIP为特征源，设计两类推理期算子以增强局部与跨尺度语义：一是文本引导的重校准机制，将文本查询作为条件信号对patch级表征进行语义性重构并回投；二是多视角一致性推理，通过重采样与镜像视角的结果融合来放大跨视角一致的预测信号。所有操作均在前向路径上完成，无需额外标注或网络微调。结果在八个公开基准上的评测显示，TG-CLIP的平均mIoU达45.5%，超越多个现有方法，比排名第二的ProxyCLIP（40.1%）高出4.4个百分点。定性对比实验进一步显示，TG-CLIP在复杂背景与细小结构处能更好地保留目标细节并减少误分割与漏分割，与定量结果相互印证。消融与超参数研究表明，两类算子可累积提升性能：文本引导重校准对温度参数表现出良好鲁棒性，多视角一致性推理在尺度与翻转策略上存在可量化的精度—效率权衡，推荐的部署配置在实用性上取得较好折中。结论TG-CLIP在保持视觉—语言模型零样本能力的前提下，通过两类轻量的推理算子实现了对像素级语义一致性与尺度、视角鲁棒性的显著改进，为免训练的开放词汇分割提供了一种易于部署且效果稳健的工程化方案。代码链接：https：//www.scidb.cn/s/7baeYf。

目的针对现有遥感图像半监督分割方法存在的伪标签利用率低及物体边界处误分等问题，提出一种边界引导与形状感知的半监督语义分割网络（boundary-guided and shape-aware semi-supervised semantic segmentation network，BS⁵-Net），提升模型在复杂场景下的分割性能。方法首先，利用像素间的相关性建模形状信息，以此修正伪标签中由于置信度低而被忽略的正确预测，使伪标签质量得到有效提升，从而为模型训练提供更可靠的监督信号；其次，针对边界区域因下采样导致的空间细节与边缘信息丢失问题，引入基于Canny边缘检测器的辅助优化模块，通过轮廓引导特征图学习，锐化分割边界；最后，设计了一个三阶段动态阈值函数，根据置信度平均值分阶段调整阈值，从而更精准地甄别可靠样本。结果在Potsdam、Vaihingen和LoveDA这三个公开数据集上的实验结果表明，仅使用1/4有标签训练样本时，本研究的方法在Potsdam数据集上的平均交并比（mean intersection over union，mIoU）达到83.43%，性能超越现有先进方法1.28%，在Vaihingen数据集上的mIoU达到75. 51%，性能超越现有先进方法1.01%，在LoveDA数据集上的mIoU达到51.88%，性能超越现有先进方法2.72%；当有标签训练样本减少至1/8时，本研究的方法在Potsdam数据集上的mIoU为82.95%，性能超越现有先进方法3.02%，在Vaihingen数据集上的mIoU为74.70%，性能超越现有先进方法2.12%，在LoveDA数据集上的mIoU达到51.66%，性能超越现有先进方法3.26%。结论本研究提出的方法有效提升了特征判别与边界分割能力，优化了伪标签的生成质量，提高了伪标签的利用率，在性能上取得了优于现有先进方法的结果，为相关领域的探索提供了新思路。代码开源链接https：//github.com/AquariusRY/BS5-Net。

目的低光照图像增强（Low Light Image Enhancement，LLIE）旨在改善低光照条件下的图像质量，在夜间监控、自动驾驶等领域具有重要应用价值。然而，现有方法在sRGB、HSV、YCbCr等色彩空间中常面临亮度-色彩耦合导致的色彩失真与亮度伪影平衡难题。HSV空间存在极坐标量化引起的色彩不连续，YCbCr空间对色度信息处理不足。方法针对上述问题，本文提出一种基于HVI色彩空间的门控卷积双分支增强网络（Gated Convolution Dual-branch Interaction Network，GCDINet）。该网络利用HVI空间的物理解耦特性，将亮度信息与色彩结构信息分离处理。设计了门控卷积特征增强（Gated Convolutional Feature Enhancement，GCFE）模块，通过双路门控激活函数与逐元素乘法生成空间注意力掩码，强化细节区域特征响应。同时，提出了双路径自适应特征校准结构，使用其引导亮度与色彩分量的重建，并抑制由亮度调整引入的噪声和色彩的偏移。结果在LOLv2-Synthetic数据集上，本文方法的峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）、结构相似度（Structural Similarity Index Measure，SSIM）和感知相似性（Learned Perceptual Image Patch Similarity，LPIPS）分别达到25.698db、0.935和0.047。与当前先进LLIE方法Retinexformer相比，三个指标分别提升0.028dB、5.3%和20.3%。同时，计算量为7.94G比Retinexformer降低了50%，达到了与最优方法相比速度与性能的有效平衡。结论所提出的低光照增强方法，融合了双分支结构与HVI色彩空间的优势，从而实现低光照图像增强过程中模型色彩保真度与亮度伪影抑制的平衡能力。

分心驾驶是导致交通事故的主要因素之一，每年造成的巨额经济损失和人员伤亡对公共交通安全构成严重威胁。与以静态感知和离线分类为核心的传统驾驶行为识别方法不同，具身智能强调智能体通过身体感知、环境交互与行为反馈形成闭环认知，为分心驾驶检测走向“行为—认知—反馈”协同建模提供了新的研究范式。在分心驾驶检测场景中，驾驶员并非被动的信息输入源，而是与车辆、道路环境持续交互的具身主体，其风险状态由视觉、动作、注意力与情境共同驱动。基于具身智能的核心思想，本文从具身认知视角系统梳理了分心驾驶检测的关键技术路径，将分心驾驶行为视为“驾驶员—车辆—环境”持续交互过程中产生的具身认知结果，重点涵盖了多模态智能驾驶垂域大模型、领域自适应与持续学习等前沿研究方向，并从具身语义建模、环境适应与经验累积的角度分析其在分心驾驶检测中的作用；结合复杂交通环境的动态特征，提出了一个具有层次化结构的具身智能驱动分心驾驶检测理论框架，为分心驾驶检测研究提供新的参考思路和解决方案。最后，本文总结了具身智能驱动的分心驾驶检测系统在落地部署过程中面临的技术瓶颈与挑战，阐述了具身智能在分心驾驶检测中的应用前景，并展望了未来潜在的发展方向，可为具身智能驱动的智能驾驶安全系统的持续演进提供参考。

水下图像处理因其在海洋生物学、地质勘探及军事侦察等领域的广泛应用而备受关注。视觉感知技术能够高密度地获取水下环境信息，被广泛应用于水下机器人救援、海底设施维护以及水下考古等任务。然而，由于光在复杂水体介质中传播时存在的吸收与散射效应，所获取的图像往往出现颜色失真、对比度下降和细节模糊等严重退化现象，显著影响图像质量与可用性。尽管近年来研究人员致力于提升水下图像的视觉质量，并提出了多种增强方法，但目前仍缺乏对相关技术的系统化归纳与分类。本文从水下光学成像的退化机理出发，深入分析光传播特性对成像质量的影响，并系统回顾现有的水下图像增强与复原方法。以往文献在总结水下图像处理的传统复原与数据驱动方法时，常忽视超分辨率重建技术这一重要方向，本文在此基础上进一步引入该技术从而构建更完整的水下图像处理研究框架。通过梳理不同方法的发展脉络与技术特点，本研究旨在为该领域后续研究提供系统参考，并为未来发展方向提出可行性建议。