多视角三维重建是计算机视觉与图形学中的关键问题之一，广泛应用于虚拟现实、增强现实、自动驾驶和文物修复等领域。其核心目标是从多个视角的图像或视频中恢复出三维场景的几何结构信息，实现物体和场景的高精度三维建模。本文创新性地从图像投影—几何推理与全局—局部两个维度将现有多视角三维重建方法分成4个类别，然后简要介绍了各类方法的典型模型、最新研究进展和它们的适用性及局限性。此外，本文还探讨了多视角三维重建中常用的数据集和评价指标，并从场景、方法优缺点等多个角度对各类方法进行了详细评估。最后，本文深入分析了在多模态大模型、元宇宙等背景下三维重建面临的机遇和挑战，提出了未来的研究和发展方向。

随着3D扫描技术和激光雷达等设备的普及，点云数据在自动驾驶、机器人感知以及文化遗产数字化保存等领域得到广泛应用。然而，受测量设备分辨率、环境遮挡及材质反射特性等因素限制，原始点云数据通常存在密度不均、细节缺失等问题，严重制约了其在目标检测、语义分割等下游任务中的性能表现。点云上采样技术旨在通过智能算法将低分辨率点云数据重建为高密度、均匀分布的三维点云，以恢复物体表面的精细几何结构。深度学习技术的迅猛发展为点云上采样提供了新的解决方案，极大地提升了点云数据的质量和可用性。本文全面综述了基于深度学习的点云上采样技术，分析了传统几何方法的局限性，并提出一种层次化分类框架，将深度学习方法划分为监督式与无监督式两大类。监督式方法进一步细分为三段式、生成式、几何扩充—坐标优化及表面重建式4种主要范式；无监督式方法则从不同角度利用稀疏点云的内在信息或变换生成监督信号，摆脱了对配对密集点云的依赖。本文还系统整理了该领域的基准数据集与评估指标，并通过对比实验展示了代表性方法的性能表现。最后，总结了当前技术瓶颈，并对未来研究方向进行了展望，为三维视觉领域的研究者提供了重要参考。

自动驾驶技术是交通领域重要的前沿技术，其发展对交通安全和效率具有变革性意义。本文试图从传统算法、强化学习和模仿学习3个方面介绍自动驾驶轨迹规划领域的前沿成果，对主要相关文献进行了梳理。首先，介绍了目前较为主流的自动驾驶框架：模块化和端到端，并论述了轨迹规划在两种框架中的使用；其次，对传统算法在轨迹规划中的最新运用进行梳理；在此基础上，总结了混合传统算法的发展方向；对当下较为新颖的强化学习和模仿学习路径规划算法进行总结，列举了针对强化学习算法中安全性不足和样本效率低等核心问题提出的众多典型解决方案，如虚拟仿真驾驶平台、终身学习等；同时总结了模仿学习的改进措施，如引入自学习、元学习等；还对如今热门的视觉语言模型和视觉语言动作模型路径规划进行了分析，阐述强化学习在其中的作用；概述了以扩散模型结合强化学习的未来发展趋势，以及世界模型在自动驾驶中的运用；最后分析了高质量自动驾驶存在的挑战。本文旨在通过系统的梳理，凝练出自动驾驶轨迹规划领域中存在的挑战以及发展趋势，期望为后续研究者提供研究方向及参考。

目的扩散模型在图像生成、艺术创作等领域具有广泛的应用前景。然而，现有扩散模型存在存储开销大、推理时延长等问题。已有工作通过模型量化减少存储及推理时间消耗，但在量化过程中面临诸多挑战。一方面，噪声估计网络结构复杂，不同模块对量化误差的敏感性存在显著差异；另一方面，其多采样时间步特性使量化模型在推理时存在误差累积问题。现有量化方法未能考虑模块间量化差异和多时间步推理特性，因而量化模型性能较全精度模型仍有较大差距。为此，设计了一种分布范围动态感知的训练后量化方法。方法在校准过程中，首先基于模块的量化误差对量化参数进行选择；再基于输入激活值的分布范围对不同网络模块中的量化参数进行微调；最后，依次计算全精度扩散模型与量化模型在每个采样时间步下估计噪声之间的均方误差，抑制多采样时间步推理过程中的累积量化误差。结果在CIFAR-10（Canadian Institute for Advanced Research）、LSUN-Bedroom（large-scale scene understanding）与LSUN-Church这3个公开数据集上采用DDIM（denoising diffusion implicit model）与LDM（latent diffusion model）两种扩散模型，使用不同量化位宽（W8A8，W4A8，W6A6），并与主流扩散模型量化方法进行对比。实验结果表明，所提方法将DDIM量化至W6A6时，在CIFAR-10数据集上取得了（IS：9.40，FID：4.61）的性能表现，与全精度DDIM性能（IS：9.12，FID：4.12）相近；相较于对比量化方法，所提方法将IS（inception score）值提高了0.34，FID（Frechet inception distance score）值降低了1.96。在LSUN-Church数据集上，相较于已有工作，所提方法量化LDM至W8A8时，将FID值降低了0.34。此外，所提方法与现有量化方法结合均能进一步取得一致性提升。结论本文所提出的分布范围动态感知的训练后量化方法同时考虑了扩散模型的多时间步推理特性与模块间量化差异，显著提升了量化扩散模型在低激活比特位宽上的性能，且该方法可作为即插即用模块与已有量化方法结合取得更优的性能。

目的后门攻击通过触发器—标签强关联已严重威胁计算机视觉模型的安全性。现有模型防御方案普遍依赖全模型微调或架构重构，面临计算资源消耗显著攀升、模型参数不可逆损伤以及部署灵活性受限等挑战。针对上述问题，面向图像分类模型提出一种基于特征阻断的轻量化后门防御机制，通过级联模块化设计，在无须任何攻击先验知识的前提下，仅需对原始模型嵌入轻量级阻断模块并进行定向微调，即可实现多场景后门特征的自适应阻断。方法设计级联特征阻断模块（包含跨通道空间过滤层、实例统计校准层、动态通道抑制层以及随机特征掩码层等），设计定向微调策略，在冻结原始模型参数的前提下，利用少量干净样本定向优化阻断模块参数，实现阻断模块对后门特征阻断与良性特征无损传递的双重目标，并通过PyTorch Hook机制实现模块的动态植入与无损移除。结果在MNIST（Modified National Institute of Standards and Technology）、CIFAR-10（Canadian Institute for Advanced Research）和MINI-ImageNet等3个数据集上，针对BadNets、Blended、WaNet、BppAttack和WaveAttack等5种典型后门攻击类型的对比实验表明：本文方法使攻击成功率平均下降90.0%，良性样本分类准确率损失小于3%，验证了防御机制的有效性和泛化能力。与主流模型防御方法相比，计算开销显著降低，阻断模块参数量不到原模型的1%；灵活部署性方面，支持运行时动态启停，移除后原始模型性能无损恢复。实验进一步验证了方法的架构普适性，在ResNet（residual network）和VGG-11（Visual Geometry Group）两种异构网络中，攻击成功率分别下降了90.0%和88.9%，表明防御机制具有跨模型鲁棒性。结论该机制通过轻量化模块化设计与微调机制，有效突破了传统模型防御方法在计算成本与灵活性层面的瓶颈问题，其即插即用与无损移除特性为实际场景中的模型安全部署提供了高效解决方案。

目的微表情是由个体的内在情感反应引发的面部肌肉活动，在心理诊断、医学以及刑侦测谎等领域有着广泛应用场景。现有微表情识别方法大都利用单一光流获取面部运动差异，无法有效应对光照变化或表情强度不一致等问题。为了解决上述问题，提出一种融合多光流与KAN（Kolmogorov-Arnold network）的微表情识别方法（multiple optical flow feature fusion，MOFFFN），通过捕获多层次、多角度的面部运动差异，提高微表情识别性能。方法首先，提取3种不同的光流特征，并构造光流融合模块以捕获这些光流特征水平和垂直方向的信息；其次，构造一个新颖的特征提取模型，利用KAN与卷积注意力机制捕捉微表情的细微变化，提取更具鉴别能力的特征；最后，设计了一个高效的注意力下采样自注意力特征融合模块，能够在融合多光流特征的同时突出微表情变化的关键区域特征。结果使用主流的留一交叉验证法（leave-one-subject-out-cross-validation， LOSOCV）在公开数据集CASME II（Chinese Academy of Sciences micro-expression II）、SAMM（spontaneous actions and micro-movements）和SMIC-HS（spontaneous micro-expression corpus-high speed）以及复合数据集（composite dataset， CD）上进行验证，本文方法的未加权平均召回率（unweighted average recall， UAR）分别为91.79%、85.69%、86.56%和85.03%，未加权F1分数（unweighted F1-score， UF1）分别为92.95%、89.10%、91.78%和87.63%，性能优于主流的微表情识别方法。结论本文提出的方法通过融合多种光流特征，利用KAN和注意力机制提取更具鉴别能力和鲁棒性的特征，显著提高了微表情识别的结果。本文公开代码地址：https://github.com/useless12138/mofffn。