Towards Cognitive Defect Analysis in Active Infrared Thermography with Vision-Text Cues

该论文提出了一种基于视觉 - 语言模型(VLM)的零样本框架,通过引入专用的 AIRT-VLM 适配器将热成像数据与预训练多模态表征对齐,从而在不依赖大量标注数据集的情况下,实现了对碳纤维复合材料(CFRP)亚表面缺陷的生成式理解与高精度定位。

Mohammed Salah, Eman Ouda, Giuseppe Dell'Avvocato, Fabrizio Sarasini, Ester D'Accardi, Jorge Dias, Davor Svetinovic, Stefano Sfarra, Yusra AbdulrahmanThu, 12 Ma⚡ eess

Suppressing Acoustomigration and Temperature Rise for High-power Robust Acoustics

该论文提出了一种利用准无限多功能顶层重新定义机械与热边界条件的分层声波(LAW)平台,通过简单的厚单材料覆盖层实现了电 - 热 - 力协同设计,在 2 GHz 以上频率下将温升降低了 70% 并将功率密度阈值提升至 45.61 dBm/mm²,从而有效解决了高功率声波器件中的自加热、热不稳定及声迁移瓶颈。

Fangsheng Qian, Shuhan Chen, Wei Wei, Jiashuai Xu, Kai Yang, Junyan Zheng, Zijun Ren, Xingyu Liu, Yansong YangThu, 12 Ma⚡ eess

Geo-ATBench: A Benchmark for Geospatial Audio Tagging with Geospatial Semantic Context

该论文提出了名为 Geo-ATBench 的地理空间音频标注基准及 GeoFusion-AT 融合框架,旨在通过引入地理信息系统提供的语义上下文(如兴趣点)来辅助多标签音频识别,从而有效解决仅靠音频波形难以区分的声学混淆问题,并验证了该方法在性能上能与人类听辨水平对齐。

Yuanbo Hou, Yanru Wu, Qiaoqiao Ren, Shengchen Li, Stephen Roberts, Dick BotteldoorenThu, 12 Ma⚡ eess

Propagation and Rate-Aware Cell Switching Optimization in HAPS-Assisted Wireless Networks

本文针对高空中继平台(HAPS)辅助的无线网络,通过引入建筑穿透损耗等真实传播效应并重构多目标优化框架,提出了结合加权求和法与ε约束法的速率感知小区切换策略,在降低能耗的同时显著减少了用户断连与数据速率下降问题,并通过仿真与真实网络 emulation 验证了其在 6G 可持续发展目标下的有效性。

Mehmet Eren Uluçınar, Özgün Ersoy, Berk Ciloglu, Metin Ozturk, Ali GorcinThu, 12 Ma⚡ eess

Parallel-in-Time Nonlinear Optimal Control via GPU-native Sequential Convex Programming

本文提出了一种基于 GPU 原生架构的并行时间非线性最优控制框架,通过结合序贯凸规划与一致性交替方向乘子法,将优化时域解耦为独立并行子问题,在消除内存传输开销的同时实现了超过 100Hz 的规划频率,并在 quadrotor 和火星动力下降任务中相比高性能 CPU 基线提升了 4 倍吞吐量并降低了 51% 能耗。

Yilin Zou, Zhong Zhang, Fanghua JiangThu, 12 Ma⚡ eess

MOS-Bias: From Hidden Gender Bias to Gender-Aware Speech Quality Assessment

该论文首次系统揭示了语音质量评估中存在的性别偏差(男性评分普遍高于女性),并提出了通过抽象二元组嵌入学习性别特定评分模式的性别感知模型,以解决现有自动评分模型偏向男性感知标准的问题并提升评估的公平性与准确性。

Wenze Ren, Yi-Cheng Lin, Wen-Chin Huang, Erica Cooper, Ryandhimas E. Zezario, Hsin-Min Wang, Hung-yi Lee, Yu TsaoThu, 12 Ma⚡ eess

Prioritizing Gradient Sign Over Modulus: An Importance-Aware Framework for Wireless Federated Learning

该论文提出了一种名为 Sign-Prioritized FL (SP-FL) 的新型无线联邦学习框架,通过优先传输梯度符号并基于数据包与设备层面的重要性差异进行分层资源分配,有效解决了无线资源受限下的通信不可靠问题,显著提升了模型训练精度。

Yiyang Yue, Jiacheng Yao, Wei Xu, Zhaohui Yang, George K. Karagiannidis, Dusit NiyatoThu, 12 Ma⚡ eess