cs 篇论文 | Gist.Science

本文提出了一种基于 CLIP 的框架，通过包括提示学习、对抗性视觉自适应和特征一致性在内的多层级策略，缓解了无目标数据零样本医学异常检测中的源域依赖问题，从而在无需访问目标数据的情况下，实现了在异构医学影像数据集上的鲁棒泛化。

Scene-Guard 引入了场景结构破坏模块 (SSDM)，该模块成功地在多种编辑器和 JPEG 重压缩水平下保留了可测量的场景篡改破坏，尽管目前该模块仅限于固定掩码场景，且优先考虑结构差异性而非不可感知性。

本文提出了一种用于长距离量子密钥分发的混合框架，该框架结合了利用量子比特误码率（QBER）、贝尔-CHSH不等式以及时间香农熵特征的SVM-RBF分类器来检测安全漏洞（准确率为87.82%），以及一种通过SHA-256白化增强的混沌扰动方法来生成符合NIST标准的安全会话密钥。

本文提出了一种由在线评论驱动的大规模群体决策框架，该框架整合了社交网络分析、粒子群优化算法和模糊粗糙集模型，旨在有效分析电商平台上消费者对新鲜水果的偏好，并为智能购物助手的发展提供支持。

本文提出了 ARGO-5G，一种具备泄漏感知能力的鲁棒次模优化算法，该算法通过在不依赖未来标签的情况下，平衡未来需求捕获、区域服务公平性和工程约束，来优先排序 5G 补盲站址，并在一个包含超过 14,000 个宏站的数据集上展示了卓越的投资组合平衡能力和可部署性。

该论文介绍了 SIR-PhysNet，一种超轻量级、具有截止日期感知能力的 rPPG 流水线，它将几何与光照处理卸载到固定成本的操作中，并使用解析傅里叶掩模进行心率提取，从而实现在如树莓派 5 等资源受限的边缘设备上的实时、高精度监测，在这些设备上，性能瓶颈在于人脸检测而非网络推理。

AdaFuse 是一种跨模态图像融合算法，它通过集成用于精确注意力选择的负值校准与用于动态资源分配的自适应分层激活策略，解决了特征不平衡和计算效率低下的问题，在可见光-红外图像融合任务中实现了卓越的融合质量与效率。

本研究提出了一种定量的数字孪生可审计性框架（DTAI），该框架整合了八个审计维度和一个剩余风险模型来评估企业决策系统的可信度，并通过实证评估揭示，尽管当前环境总体受控，但在业务连续性、可追溯性和模型治理方面存在显著弱点，需要通过针对性的改进来缓解诸如未经授权访问和数据篡改等风险。

本文提出了一种具有新型带有时间与通道注意力的残差神经维度缩减器（RNDR-TCA）的多任务学习框架，用于从血压波形中联合估计多个心血管参数，有效地缓解了负迁移问题，并在准确性和鲁棒性方面优于现有的单任务和多任务模型。

本文提出了 SPA，一种与拓扑无关、逐跳的路由保护算法，该算法确保了无缝、增量式的部署，并保证在最小路径拉伸的情况下实现针对所有单故障场景的保护，其性能优于 ESCAP、U-turn 和 NPC 等现有解决方案。