基于LiDAR引导的几何预训练方法提升视觉中心3D目标检测性能 背景介绍 近年来，多摄像头3D目标检测在自动驾驶领域受到了广泛关注。然而，基于视觉的方法在从RGB图像中精确提取几何信息方面仍面临挑战。现有的方法通常利用深度相关任务对图像骨干网络进行预训练以获取空间信息，但这些方法忽略了视角转换的关键问题，导致空间知识在图像骨干和视角转换模块之间存在错位，从而影响了性能。为了解决这一问题，本文提出了一种新颖的几何感知预训练框架——GAPretrain。 论文来源 该论文由Linyan Huang, Huijie Wang, Jia Zeng等作者撰写，他们分别来自厦门大学人工智能系、上海AI实验室OpenDriveLab以及上海交通大学。论文发表于《International Journal ...

漂浮式全向液滴振动发电器：突破性研究 学术背景 随着物联网（IoT）设备在海洋环境监测中的广泛应用，如何在不依赖电网的情况下为这些设备提供稳定电力成为了一个亟待解决的问题。传统的风力、太阳能等可再生能源在海洋环境中存在局限性，而摩擦电纳米发电机（Triboelectric Nanogenerator, TENG）因其高效的机械能转换能力被认为是一种有潜力的解决方案。然而，现有的TENG设备大多依赖于固体-固体界面摩擦，存在磨损问题，限制了其长期使用。此外，许多液滴基TENG只能单向收集能量，无法适应海洋环境中不可预测的多向波动。 为了解决这些问题，研究团队提出了一种基于液滴的全向振动发电器（Floating Droplet-based Electricity Generator, FDEG）...

智能船舶自动驾驶的非线性固定时间强化学习优化控制研究 近年来，智能自动驾驶技术逐渐成为自动化控制领域的研究热点之一。在复杂的非线性系统中，优化控制策略的设计，尤其是在固定时间内实现系统稳定性和性能优化方面，是控制工程师和研究人员面临的重要挑战之一。然而，现有的固定时间控制理论在实现系统状态收敛时，往往忽略了资源利用效率和平衡问题，这可能导致过度补偿或欠补偿的现象，从而使系统的稳态误差增加。此外，对于如何在时间限定内实现非线性不确定性估计误差的最小化，相关研究依然较少。因此，本研究旨在提出一种自适应复合固定时间强化学习优化控制解决方案，进一步解决这一关键问题。 研究背景及目的 固定时间控制理论自提出以来，由于收敛时间不依赖于初始状态的特点，其应用得到了广泛关注。相比有限时间控制方法，固定时间控...

盐沼地形揭示风暴潮驱动沉积的特征 学术背景 盐沼（salt marshes）是位于低洼、受保护海岸线的过渡带，介于陆地与海洋之间。它们是地球上最具生产力和最脆弱的生态系统之一，提供了碳封存、水质改善、生物多样性保护、野生动物栖息地和海岸线保护等重要生态服务。然而，随着海平面上升和人类活动的加剧，盐沼正面临消失的威胁。盐沼的垂直演化主要依赖于沉积过程，这些过程通过沉积物的积累来抵消海平面上升带来的淹没风险。传统观点认为，潮汐洪水是盐沼沉积的主要机制，但风暴潮和波浪也可能对沉积物的再分配和沉积模式产生深远影响。因此，研究风暴潮对盐沼沉积的贡献及其对地形的影响，对于理解盐沼的演化机制和保护这些生态系统具有重要意义。 论文来源 这篇论文由Davide Tognin、Andrea D’Alpaos、M...

海底峡谷冲刷事件中的重力流动力学新见解 学术背景 海底峡谷是连接陆地与深海的重要通道，其形成和演化机制一直是海洋地质学研究的重点之一。然而，由于海底峡谷冲刷事件的破坏性和罕见性，相关观测数据极为稀缺。这些事件通常由地震、滑坡等自然灾害触发，能够将大量沉积物从近岸输送到深海，对海底地貌和生态系统产生深远影响。尽管已有一些理论模型和实验室实验试图解释这些过程，但缺乏高分辨率的实地观测数据，导致对重力流（如泥石流和浊流）的动力学机制理解不足。 本文旨在通过高分辨率的多波束测深数据、侧扫声呐和海底视频图像，揭示2016年新西兰凯库拉（Kaikōura）地震引发的海底峡谷冲刷事件中的重力流动力学特征。研究重点关注重力流从泥石流向浊流的转变过程，以及浊流在峡谷中的动态变化，为理解海底峡谷的形成和演化提供...

学术背景与问题提出 水下图像在海洋探测、水下机器人、海洋生物识别等领域具有重要应用价值。然而，由于水对光的折射和吸收作用，水下图像通常存在对比度低、颜色失真等问题，严重影响了后续的感知任务（如目标检测、语义分割等）的准确性。现有的水下图像增强方法主要关注视觉质量的提升，而忽略了增强图像在后续任务中的实际应用效果。因此，如何在视觉质量提升和实际应用之间找到平衡，成为了当前研究的一个重要挑战。 为了解决这一问题，本文提出了一种基于启发式可逆网络的水下感知增强方法（HUPE）。该方法不仅能够提升水下图像的视觉质量，还能通过语义协作学习模块提取任务导向的语义特征，从而更好地服务于后续的感知任务。 论文来源与作者信息 本文由Zengxi Zhang、Zhiying Jiang、Long Ma、Jiny...

硅藻光敏色素整合水下光谱感知深度的研究 学术背景 海洋生态系统中的光照分布对水生生物的生活有着深远的影响。光照不仅随着深度逐渐减弱，其光谱组成也会发生显著变化。然而，关于浮游植物如何通过光感受器感知这些光变化的研究仍然不足。硅藻作为海洋中重要的浮游植物，其光感受机制的研究对于理解海洋生态系统的光适应策略具有重要意义。光敏色素（phytochromes）是一类主要感知红光（R）和远红光（FR）的蛋白质，广泛存在于光合和非光合生物中。然而，海洋环境中的红光和远红光被水强烈吸收，因此硅藻光敏色素（Diatom Phytochromes, DPh）如何在这种环境中发挥作用仍是一个未解之谜。 本研究旨在通过整合硅藻光敏色素的功能研究和环境调查，揭示其在海洋环境中的光感知机制，特别是如何通过光敏色素感知...

研究论文报告：基于 SAM 的开放世界物体检测框架 背景介绍 随着生态系统监测的重要性不断提升，野生动植物及植物群体的监测已成为生态保护和农业发展的关键手段。这些监测工作包括估算种群数量、识别物种、研究物种行为以及分析植物病害或多样性。然而，传统的封闭世界物体检测模型通常训练于已标注的单一物种数据，难以泛化到新的物种分类。 当前的生态系统研究在数据和方法上存在诸多挑战，特别是标注数据的不足以及模型对新物种的适应能力有限。基于此，来自美国伊利诺伊大学香槟分校的 Garvita Allabadi、Ana Lucic、Yu-Xiong Wang 和 Vikram Adve 提出了一种面向开放世界的物体检测框架，利用视觉基础模型 Segment Anything Model（SAM），在无需标注新物...