目的面向低空无人机巡检、夜间搜救和应急监测中的机载红外感知链路，研究如何将高动态红外图像转换为固定八位输入时保留当前场景中的有效灰度层次，并设计适合数字信号处理器多核并行运行的处理方式。方法将高动态红外图像转换为八位图像时，先依据当前帧实际出现的灰度内容确定需要保留的层次，再结合像素数量和灰度级占用安排输出灰度空间，通过连续曲线压缩高热区域所在的亮端，保持主体和阴影过渡的连续层次，并保留低对比目标已有的灰度差异。映射曲线形成后保存为当前帧查找表，像素转换通过查表完成。在端侧实现中，将查找表作为多个核心共同读取的只读数据，在德州仪器TMS320C6678八核数字信号处理器上按图像区域并行完成转换。结果构造高热、坏点、阴影和联合干扰四类复杂场景，采用峰值信噪比、结构相似性、色调映射图像质量和目标有效灰度覆盖率评价处理结果，并与三种动态范围压缩方法比较。四种目标检测框架下，该方法在交并比阈值0.5～0.95上的平均精度均值（mean average precision，mAP@［0.5：0.95］）相对于各框架中最佳对比方法提高2.9～3.7个百分点。TMS320C6678端侧实验在640×512分辨率下进行，单帧总时间由原始算法的78.33 ms降至端侧硬件加速算法的6.10 ms，帧率由12.77帧/s提高至163.93帧/s，加速比达到12.84。结论本文所提出方法按照当前场景实际出现的灰度内容重新分配固定八位输出中的灰度层次，并把每帧生成的映射关系保存为查找表供多个核心复用，在保持红外图像有效层次的同时，为机载视觉处理提供了适合多核端侧实时运行的转换方式。

目的可编辑三维服装资产在数字时尚、虚拟试衣、游戏动画和三维内容创作中具有重要应用价值。现有文本驱动服装编辑方法多分别处理几何与纹理，局部编辑时直接生成完整服装表示易引起非目标参数漂移、目标修改不准确和仿真不稳定。为此，本文提出文本驱动的三维服装几何与纹理编辑框架。方法本文构建两阶段顺序式框架。给定穿衣人物图像和文本编辑指令，本框架首先将用户指令拆分为几何与纹理编辑指令。几何编辑分支在参数化缝纫图空间中确定可编辑字段，由语言模型生成字段级编辑计划，再通过确定性程序完成路径、范围及方向检查和非目标变化回滚，经缝合与物理仿真生成三维网格。纹理编辑分支依次接入现有图像编辑模型、服装区域提取和图像引导纹理迁移模块，实现颜色、材质或图案编辑。此外，本文构建了GeometryEdit-10K数据集，并在GeometryEdit-1200上开展定量评价。结果在GeometryEdit-1200上，本文方法的L1范数倒角距离（L1-norm Chamfer distance，CD-L1）为3.501，阈值为1.0的F分数（F-score at a threshold of 1.0，F@1）为0.820；较AIpparel，前者下降48.9%，后者提高23.1%。目标命中率为0.568，非目标漂移率为0.013；较ChatGarment，二者分别提高55.2%和降低97.9%。纹理实验表明，在所测试样例和所采用指标下，本文流程获得了更好的编辑方向一致性。结论本文提出的字段约束局部编辑流程能够改善目标字段执行并减少非目标字段变化，增强局部几何编辑的可控性。通过顺序衔接现有纹理生成与迁移模块，该框架能够形成由服装结构编辑到外观编辑的完整流程。

目的自然灾害多模态摘要旨在为多篇图文新闻报道生成自然灾害事件概要，以辅助快速掌握灾情进展。然而，通用多模态大模型在处理自然灾害领域的长文本与多图像时，对灾害事件要素的利用不稳定，进而影响摘要的语义聚焦程度与事实一致性。方法针对上述问题，提出一种事件知识增强的自然灾害多模态摘要生成方法EKE-MMS（Event Knowledge-Enhanced Multimodal Summarization for Natural Disasters）。该方法通过事件知识筛选灾害关键句，利用灾害类型知识模板引导局部摘要生成，再结合新闻发布时间和事件基本描述对局部摘要进行时序融合，最终生成事件级摘要。结果在自建自然灾害多模态摘要数据集上的实验结果表明，针对BERTScore、ROUGE-L和CFSR，EKE-MMS方法最优分别提升了5.62%、3.27%和4.21%，且在人类偏好奖励模型的评测中表现更优。结论EKE-MMS能够有效缓解复杂多源输入下灾害事件要素利用不稳定问题，提升摘要的语义质量和生成事实一致性。

目的实时语义分割在自动驾驶、视频监控和增强现实等场景中具有重要应用价值，但现有方法在保持高推理速度的同时，往往难以同时保证边界细节的精确刻画和全局语义的一致性。针对这一问题，该文提出一种边缘-主体特征增强网络。方法首先通过多分支协同架构与模块化注意力机制，有效提升模型对边界区域、语义信息及多尺度结构的建模能力。首先，提出边缘-主体特征解耦模块，实现边缘与主体特征的结构性分离与互补增强；其次，设计多尺度感知金字塔模块，结合多尺度平均池化与深度可分离空洞卷积，显著提升多尺度上下文建模能力并缓解空洞卷积伪影；最后，构建特征注意力融合模块，融合细粒度结构特征与语义特征，通过注意力机制强化关键区域表达。结果实验结果表明，在Cityscapes数据集上，所提算法在保持65 frame/s（FPS）推理速度的同时，平均交并比（mean intersection over union，mIoU）达到79.5%；在CamVid数据集上，mIoU达到83.0%，速度保持在108.1FPS，显著优于现有主流方法。结论所提方法在精度与效率之间实现了良好平衡，适用于对实时性和高精度均有较高要求的语义分割任务。https：//www.scidb.cn/s/RJnYNr

近年来，国内低空经济快速发展，相关产业规模持续扩大。广域基础设施建设推动电力塔、通信塔、风力发电机等杆件、桁架式结构的航空障碍物数量显著增长，对低空经济运行安全形成制约。该类目标在多模态遥感数据中特征响应较弱，加之障碍物排查往往覆盖数千平方公里范围，传统作业模式难以兼顾探测的高精度与高时效性。多模态遥感与智能解译手段为弱响应障碍物的自动化排查提供了技术基础。本文以广域障碍物事先探测及应用部署为主线，首先围绕光学影像‑激光点云联合感知的弱响应障碍物探测全链路，系统梳理点云非地面点簇提取、弱响应障碍物智能识别、电力设施拓扑关联推理、障碍物结构描述与轻量化表征等关键技术的研究进展，剖析现有算法在广域障碍物快速排查场景下的适用性与局限性。然后聚焦障碍物数据组织、编码方法及应用部署相关问题，梳理面向全量数据管理与边缘端数据应用的现有技术方案，结合低空经济业务场景剖析现存局限及适用方案，并给出障碍物数据的多领域应用方向。最后提出弱响应航空障碍物遥感探测与应用部署环节亟待突破的前沿问题，以期为航空障碍物智能感知及飞行安全应用提供参考。

目的现有前馈式三维高斯泼溅（feed-forward three-dimensional Gaussian splatting，FF-3DGS）模型在稀疏视角输入及外部条件变化下，常面临几何重建不稳定及纹理细节退化等难题。同时，部分方法通过复杂跨视角注意力或特征细化网络增强表征，增加了计算开销；多类高斯属性的联合回归还可能引入任务间的特征竞争。为突破上述性能瓶颈，构建了一种兼顾重建质量与参数规模的轻量级前馈重建框架。方法提出一种语义锚点驱动的块级混合专家前馈模型（semantic-anchor guided mixture-of-experts for feed-forward 3D Gaussian splatting，SAGE-Splat）。该模型首先将单目深度、局部纹理与全局语义等多模态先验对齐至统一表征空间；随后，提取对比语言—图像预训练（contrastive language-image pre-training，CLIP）语义特征作为跨视角稳定锚点，在统一空间内建立图像块级参照系，以促进跨视角下同一语义实体特征分配的一致性；最后，引入任务条件化单层混合专家（mixture of experts，MoE）路由器，通过 Gumbel-TopK 策略稀疏激活特定专家网络，实现对高斯椭球均值、协方差、颜色及不透明度等四类属性的解耦回归。结果实验结果表明，SAGE-Splat以15 M参数在多个数据集上取得了具有竞争力的性能。在RealEstate10K数据集上结构相似性达到0.729，在DL3DV数据集上峰值信噪比达到23.17。结论该模型验证了语义锚点路由与任务条件化专家分配在参数规模和重建质量之间的平衡作用，为高质量稀疏视角三维重建提供了一种轻量化实现路径。