增强现实（augmented reality，AR）技术通过三维空间感知与多模态交互机制，突破了传统二维交互的局限，其应用已渗透至医疗、教育、工业设计等领域。然而，现有研究多聚焦单一输入模态或特定应用场景，缺乏对多模态输入与跨感官反馈的系统性整合。本文构建了输入—输出双维度的AR交互技术全景框架：输入模态涵盖语音与姿态识别（包括眼动、头部及肢体动作），输出模态依据人类五感分类解析。该框架不仅为研究者提供技术链路图谱，还可通过系统性的技术缺口分析引导创新方向。研究发现，当前AR交互面临多模态融合复杂度高、隐私安全隐患、输入输出失衡及跨学科协同不足等核心挑战，需通过材料科学、认知神经科学、计算机伦理及计算机科学等领域的深度交叉，推动AR从界面增强向认知协同的范式跃迁。

随着工业制造技术的不断进步，产品质量控制对缺陷检测技术提出更高的要求。传统二维缺陷检测算法在处理复杂表面结构和形状时存在局限性，难以满足高精度、高鲁棒性的检测需求。相比之下，三维缺陷检测算法因具有更全面的信息、更高的准确率和更强的抗干扰性等优点，近年来受到广泛关注和深入研究。及时追踪该领域的最新动态并紧跟学术前沿，是推动三维缺陷检测技术不断突破、应对新挑战的必然要求。基于此，本文系统总结了三维缺陷检测领域的研究进展与发展趋势。从工业需求和技术挑战的角度阐述了缺陷检测的研究背景与意义。从传统机器学习方法出发，详细梳理了基于点云局部特征、点云配准和点云分割的三维缺陷检测方法，分析其技术原理与经典方法。针对深度学习技术在三维缺陷检测中的创新应用，从基于点云和基于多模态两个维度，深入探讨了当前的研究现状与技术突破。本文还对常用的三维缺陷检测基准数据集进行了全面分析，为研究者开展相关方法验证与性能评估提供参考。讨论了三维缺陷检测的主要挑战和未来发展趋势，为推动三维缺陷检测技术的进一步发展提供了指导。

借助超声成像设备可以对发音生理舌体进行动态记录，超声舌成像的处理分析对于实践语言学、实验语音学研究以及语音工程应用具有重要意义，其中，舌体运动轨迹动态分析和舌体轮廓线的舌位姿态量化分析是实际应用中的关键技术。由于超声舌成像模糊、舌轮廓不清晰等噪声特性，其处理分析面临着舌位特征提取困难、舌体动态轮廓线跟踪困难等挑战。深度学习技术借助其强大的特征学习能力在超声舌成像处理分析中的舌体轮廓线的提取、舌体运动模型的构建以及深层次的语音工程应用等方面取得了较大成果。概述了超声成像与超声舌成像，分析了超声舌成像处理遇到的挑战，简述了深度学习的技术方法，归纳了深度学习技术在超声舌成像处理分析等任务中的建模机理和具体应用，包括超声音视频同步对齐、生物特征识别、多模态学习、无声语音接口、声学反演模型、语言学习与语音康复、创新交互与艺术娱乐等，并梳理了相关理论方法、技术手段及性能评价。最后给出了深度学习技术在超声舌成像处理分析中的研究展望与未来趋势。以期更多的计算机技术和超声成像技术能够引入并助推实验语音学和语言学的科学研究和学科发展。

目的随着计算机仿真技术的迭代演进，仿真图像数据正逐步成为许多数据稀缺领域的有效替代资源。但在实战图像样本更为匮乏的军事目标检测任务中，基于仿真数据及其融合策略训练的检测模型能否在真实战场中实现有效泛化，仍缺乏实证支撑。为此，制作了包含不同仿真域数据、作战场景和坦克型号的无人机视角坦克目标检测仿真数据集（synthetic tank， ST）1.0版本，包括ST1、ST2和ST3三个子数据集。方法通过构建仿真数据与实战场景检验框架，基于不同仿真数据分别训练 Cascade R-CNN（cascade region-based convolutional neural network）、YOLOv10（you only look once version 10）和 RT-DETR（real-time detection Transformer） 3类异构检测器后，在公开数据集与俄乌实战图像中展开跨域测试。系统探究了仿真域差异性（实验1）、混合仿真域组合效应（实验2）及数据增广策略（实验3）对模型泛化性能的影响。结果实验中所有模型的平均精度（average precision， AP）均值均随测试数据趋近真实作战场景呈下降趋势，其中 RT-DETR 模型在跨域检测中具有更强鲁棒性，在两个测试集上的AP最高达到 54.50% 与 42.30%；具备视觉真实性、目标域属性适配且可视化特征分布相近的仿真数据表现更佳；混合或增广优质仿真数据可显著提升模型性能。结论仿真图像数据能在一定程度上缓解实战图像数据稀缺问题，为武器平台的实战运用提供支持。但仍存在跨域泛化局限性，需结合其他源域及域泛化技术等进一步提升。

目的在低光环境下拍摄的图像通常存在亮度不均、细节丢失和色彩失真等问题，导致视觉质量大幅下降。大多数低光图像增强方法更多关注亮度提升，忽略了色彩恢复，容易产生色偏和伪影。此外，现有深度学习方法大多结构复杂、训练成本较高，且难以同时兼顾亮度和色彩恢复。方法提出一种融合多重空洞卷积与坐标分组的暗光图像增强网络（low-light image enhancement network via fused multi-scale dilated convolutions and coordinate grouping，MCCNet）。MCCNet由色彩转换和增强网络两个独立分支组成。其中，基于权重感知的HVI（hue， value， intensity）色彩空间中引入色彩自适应因子，将亮度和颜色信息解耦，从而提高色彩增强的精确性。提出全局分组坐标注意力模块（global grouped coordinate attention module，GGCA），促进颜色空间与色彩恢复分支之间的信息交互，并有效抑制低光图像中的噪声。结合多种空洞率卷积层，提出多重空洞融合注意力模块（multi-scale dilated fusion attention module，MDFA），实现更精细化地亮度恢复。最后通过色彩转换和亮度增强两个分支的共同协作，在提升亮度的同时保留了更多图像细节，解决了复杂场景和极端低光场景中色彩失真的难题。结果将本文方法与RetinexNet等15种方法进行比较，在3个公开数据集、2个极端低光数据集和5个无配对数据集上进行评估，相较于次优值，本文算法的峰值信噪比（peak signal-to-noise ratio，PSNR）提高1.57 dB，在LOLv1数据集上的峰值信噪比（PSNR）和结构相似度（structural similarity index measure，SSIM）均优于其他算法。结论本文提出的MCCNet能够有效恢复亮度和色彩，在解决色偏和伪影问题时表现优异，且能够更好地调整光照、抑制噪声，实现高质量视觉增强效果。此外，本文方法充分考虑了计算复杂度与模型规模在实际应用中的需求，模型参数量仅为1.98 M，FLOPs为8.06 G，在实现领先性能的同时，显著降低了模型规模与计算开销，与经典图像增强方法以及近年来性能突出的先进算法进行对比，模型参数和计算量平均减少约96%和46%，实现了高效轻量的设计。

目的盲图像分离（blind image separation， BIS）指在未知混合方式及源图像先验的条件下，从单幅观测图像中同时估计并恢复多个独立源图像的逆问题，典型应用包括恶劣天气（雨、雪）去除和反射/阴影层分离等。然而，现有的BIS方法普遍依赖人工先验或基于卷积神经网络（convolutional neural network，CNN）或对抗生成网络（generative adversarial network，GAN）的变体，难以刻画真实场景中源图像复杂且多变的特征分布，导致在强噪声、非线性混合及纹理细节高度耦合的情况下出现源图像分离估计偏差、纹理失真和伪影残留等缺陷。对此，本文创新性地将扩散模型引入双通道盲图像分离，提出一种高效的双通道扩散分离模型（dual channel diffusion separation model， DCDSM）。方法DCDSM利用扩散模型学习源图像的特征分布，实现对源图像特征结构的有效重建，并根据两个源图像互为耦合噪声的特性，在双分支扩散的反向去噪过程设计了小波抑制模块（wavelet suppression module， WSM），形成交互式的双分支分离网络，提高混合图像细节信息的分离效果。结果在含雨/雪及复杂混合场景的合成数据集上进行了充分实验，结果表明：1）DCDSM在去雨、去雪的图像复原任务中分别取得PSNR/SSIM指标值为35.002 3 dB/0.954 9和29.810 8 dB/0.924 3，较Histoformer和LDRCNet分别提升1.257 0 dB/0.927 2 dB（PSNR）和0.026 2/0.028 9（SSIM）。2）针对复杂混合图像的双盲分离任务，所恢复的双源图像在纹理保真度与细节完整性上均显著优于其他方法，其PSNR与SSIM指标在两个通道上的平均值分别达到25.004 9 dB和0.799 7，较对比方法提升4.124 9 dB和0.092 6。结论本文模型在主观视觉和客观指标上相较于对比方法均取得最优的结果，解决了存在雨纹和雪纹残留、混合图像中细节模糊等问题。