计算成像技术(CIT)是一类有别于传统光学成像“所见即所得”的信息获取和处理方式的新体制成像方式。随着新型光电器件的发展和硬件计算能力的提升,计算成像技术在光电成像领域呈现出蓬勃发展的趋势。计算成像技术通过对光场信息进行采集和计算,达到传统成像无法企及的信息利用率和解译度,满足“更高(分辨率)、更远(探测距离)、更大(光学视场)”的光电成像需求。从成像全链路的信息获取与丢失过程出发,通过透过散射介质成像、偏振成像及仿生成像等几种典型的计算成像方式对光场多物理量信息获取和解译进行分析,详细介绍了计算成像技术的方法原理及实现途径。根据成像技术的发展趋势,前瞻性地提出了计算光学系统设计和超大口径望远镜的设计思想。计算成像技术在提高成像分辨率、扩大探测距离、增大成像视场及减小光学系统体积和功耗等方面具有明显的优势,有望穿透云雾、活体生物组织等实现更远距离、更大深度的成像,应用前景广阔。

双目立体视觉在无人机上的应用

本文总结了目前任务型对话系统最新的进展和挑战，讨论了三个相关的关键问题：（1）如何提高数据使用效率，在资源不足的情况下对任务型对话系统进行建模;（2）如何为多轮对话的对话策略进行建模，使其在任务完成上表现的更好； （3） 如何将领域的本体知识集成到pipeline模型和端到端模型中。同时回顾了当前对话评估的方法和目前广泛使用的语料库的最新进展。

由于任务型对话系统在人机交互和自然语言处理中的重要意义和价值，越来越受到学术界和工业界的重视。在这篇论文中，我们以一个具体问题的方式综述了最近的进展和挑战。

Graph Deep Learning，图深度学习技术及其最新进展与应用。

在过去的十年中，生成式对抗网络已经成为人工智能领域的一个流行组成部分。在本次演讲中，我们将以一个关于GANs如何工作的简短教程开始，以及在设计GAN架构时涉及的各种考虑事项。然后，我们将继续讨论一些更流行的GAN架构，并从不同的角度进行讨论，包括可解释性和伦理。最后，我们将讨论关于使用GANs的最新进展，包括处理现实世界的问题。

本文概述了基于随机有限集的目标跟踪方法的产生、发展和研究现状．论文概要总结了基于随机有限集的目标跟踪方法的基础理论，主要包括随机有限集的理论基础，概率假设密度滤波器的理论基础，概率假设密度滤波器的实现方式以及基于随机有限集的目标跟踪算法的性能评价指标．文中同时简要介绍了概率假设密度滤波器在目标跟踪领域的应用，并对在该领域未来的发展提出了自己的看法．

本文综述了元学习在图像分类、自然语言处理和机器人技术等领域的应用。与深度学习不同，元学习使用较少的样本数据集，并考虑进一步改进模型泛化以获得更高的预测精度。

GSA2019年1月报告：全球5G网络发展最新进展概况.pdf

光纤量子隐形传态技术最新进展 渗透测试 区块链 业务风控 网络安全 安全体系