infrared radiation
PulseAugur coverage of infrared radiation — every cluster mentioning infrared radiation across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
大语言模型助力低资源语言信息检索数据集创建，但跨语言复用面临挑战
研究人员开发了一个BETA标注框架，用于构建低资源信息检索（IR）的多语言数据集。该框架利用多个大语言模型（LLMs），通过一致性和多数表决进行检查，然后进行人工评估以确保标签质量。研究还调查了通过机器翻译复用其他低资源语言的IR数据集的可行性，结果显示存在显著差异和语义保留问题，影响了跨语言数据集复用的可靠性。研究结果既揭示了大语言模型辅助低资源信息检索数据集创建的潜力和局限性，也为构建更可靠的基准提供了指导。
-
研究发现：无人机野火分割受益于RGB-红外融合
研究人员对使用无人机（UAV）进行野火分割的多模态RGB-红外融合进行了比较研究。该研究评估了U-Net、DeepLabV3+和SegFormer架构的三种融合策略，分析了每种模态的贡献以及融合时机的影响。研究结果表明，热红外信息对于基于无人机的野火分割至关重要，基于Transformer的网络进行特征级融合在未来发展中显示出最大的潜力。
-
新型Transformer模型增强多模态无人机感知能力
研究人员开发了GAAT（几何感知对齐Transformer），一种专为无人机（UAV）多模态感知设计的模型。该模型通过关注跨模态交互前的局部对应可靠性，解决了整合RGB、红外和合成孔径雷达等多种传感器数据所面临的挑战。GAAT采用了新颖的组件，如用于块中心一致性的syncPATC和用于几何校准稀疏融合的MG-Sparse-MMA，在六项下游无人机感知任务上取得了最先进的性能。配套的UAVMeta和StateBench数据集提供了诊断真…
-
A2DINOv3 通过专家协作增强多模态目标检测
研究人员开发了 A2DINOv3，一种新颖的多模态目标检测框架，可提高在低光照等挑战性条件下的性能。该系统采用“社会化协作”方法，将 RGB 和红外分支视为独立的专家，并选择性地交换信息。该方法旨在保留预训练表示并避免模态之间的干扰，利用零初始化策略进行逐步集成。A2DINOv3 在航空检测、自动驾驶和监控等多个基准测试中均取得了最先进的成果。
-
UltraIR基础模型通过仿真到真实迁移学习增强化学传感
研究人员开发了UltraIR，一个用于红外光谱的基础模型，旨在改进化学传感与分析。该模型拥有超过1亿个参数，利用仿真到真实迁移学习，在约6000万个模拟光谱上进行了预训练。UltraIR在多种任务中表现出色，包括官能团预测、分子结构解析和样品分类，其性能优于传统的机器学习方法。即使在标记的实验数据有限以及跨不同光谱仪和实验室的零样本推理场景下，它也展现出强大的能力。
-
新型多模态系统提升浴室老年人跌倒检测能力
研究人员开发了P2MFDS，一个专为检测浴室环境中老年人跌倒而设计的新型多模态系统。该系统集成了毫米波雷达和3D振动传感，以克服单一传感器方法的局限性，这些方法常因环境干扰而导致准确性降低。P2MFDS采用双流神经网络，结合了用于雷达数据的CNN-BiLSTM-Attention和用于振动数据的多尺度CNN-SEBlock-Self-Attention，从而显著提高了检测准确率和召回率。
-
新的多模态人工智能系统集成了RAG、热传感用于损伤分析
研究人员开发了一个集成的多模态人工智能系统，用于损伤评估。该系统将检索增强生成（RAG）与热传感和视觉基础模型相结合。RAG组件将语言模型基于项目特定文档进行接地，以提高事实一致性，其中基于图的检索在复杂推理任务中表现出更强的性能。热传感增强了物体检测和分割，尤其是在不利条件下，而视觉模型则生成合成数据并对损伤严重程度进行分类。该系统还探索了无线传感，用于检测其他方法失效的环境变化。
-
新的T$^2$exture框架通过稀疏主动采集增强热成像
研究人员开发了一个名为T$^2$exture的新热成像框架，该框架可以从有限的主动关键帧和大量被动帧中重建详细的纹理序列。该方法将热纹理定义为主动开启源的观测与其被动关闭源状态之间的残差，从而有效地将纹理信息与背景发射隔离开来。T$^2$exture通过一个两阶段过程实现这一点：首先，从相邻的被动帧估计未观测到的关闭源状态，以建立可靠的纹理锚点；然后，利用这些锚点以及被动的结构上下文来重建密集序列。该框架在图像质量方面表现出显著的改进…
-
AI模型利用红外光谱技术推进分子结构解析
研究人员开发了一种新的Transformer模型，用于利用红外光谱数据进行分子结构解析。该增强模型包含一个专家混合（Mixture-of-Experts）解码器，并采用Choquet积分等非加性聚合方法。这些改进结合对比度对齐损失（contrastive alignment loss），与现有的仅限红外光谱的模型相比，预测精度提高了10个百分点以上，展示了AI在分析化学中的潜力。
-
新框架生成多模态对齐的遥感图像
研究人员开发了一种新颖的多模态遥感图像生成框架，解决了现有单一模态合成方法的局限性。他们的方法将共享的语义信息与特定模态的属性解耦，从而能够根据单个文本提示创建跨光学、红外和合成孔径雷达（SAR）的一致且对齐的图像。该方法不仅提高了生成质量，还增强了下游目标分类任务的性能。
-
红外技术因成本和兼容性而在电视遥控器中得以保留
尽管蓝牙技术兴起，红外（IR）技术仍因其低成本和广泛的兼容性而在电视遥控器中普遍存在。虽然蓝牙提供了诸如语音控制等高级功能，并且不需要视线，但红外技术对于电视的初始设置以及在电视处于待机模式时将其打开至关重要。许多现代遥控器，例如TCL Technology的遥控器，同时使用红外和蓝牙，其中红外技术作为可靠的备用方案或用于特定功能。
-
新基准TerraLogic和代理HieraPlan应对分层地理空间推理
研究人员推出了TerraLogic，这是一个旨在评估地球观测任务中分层地理空间推理能力的新基准测试。该基准测试包含545个场景驱动的任务，涵盖了光学、合成孔径雷达（SAR）和红外（IR）等多种图像类型。为了应对这一基准测试的挑战，研究团队还开发了HieraPlan，这是一个工具增强型代理，能够将工具包组织成功能层次结构并执行容错推理。实验表明，现有方法在这种推理方面存在困难，而HieraPlan提供了一个有希望的基线。
-
AI模型NMIRacle破译光谱中的分子结构
研究人员开发了NMIRacle，一个新颖的AI框架，旨在从光谱数据中阐释分子结构。这个两阶段生成模型首先从片段表示重建分子，然后使用来自IR、1H-NMR和13C-NMR的光谱嵌入直接生成分子结构。NMIRacle在性能上优于现有方法，即使在分子复杂度增加的情况下也能准确预测分子。
-
新型AirflowAttack攻击红外视觉语言模型
研究人员开发了AirflowAttack，一种为红外遥感中使用的视觉语言模型（VLM）创建对抗性扰动的新颖方法。该攻击利用热气流湍流，生成物理上合理的扰动，可将各种最先进VLM的场景分类准确率降低高达38.2%。值得注意的是，该攻击甚至可能导致一些模型将扰动误解为真实的热信号，凸显了这些模型在安全关键应用部署中的重大漏洞。
-
ICML 2026：AI 在效率、理论和鲁棒性方面取得进展
在 ICML 2026 上发表的多篇研究论文探讨了 AI 的进展，重点关注效率、鲁棒性和新的理论框架。关键进展包括加速深度学习操作的新方法，如窗口化批矩阵乘法 (WBMM) 和高效的 4 位训练 (TetraJet-v2)。研究人员还通过 CPO 解决了模型对齐的理论挑战，并通过内部指标（如隐藏状态的 L2 范数）提出了理解和改进模型推理的新方法。
-
新的ADER框架提升了长波红外高光谱被动测距的精度
研究人员开发了一个名为ADER（吸收特征引导解耦测距与精炼）的新框架，用于改进长波红外（LWIR）高光谱被动测距。该方法解决了距离相关的Atmospheric absorption signatures与温度和发射率等其他因素耦合的挑战，这使得传统的距离反演变得困难。ADER使用B样条表示发射率，并结合臭氧吸收线索来区分以发射为主和以反射为主的像素，从而实现更高效、更准确的距离估计。此外，它还包括一个波段选择策略以减少光谱冗余，并已证…
-
新的FusionRS数据集增强了RGB-红外视觉语言模型
研究人员推出了FusionRS，这是一个新颖的大规模数据集，旨在推进遥感领域中双模态视觉语言基础模型的发展。该数据集独特地结合了RGB和红外图像及其对应的文本描述，解决了当前模型中红外数据探索不足的问题。使用FusionRS进行的实验表明，在RGB-IR对齐和图像描述等任务上的性能有所提高，突显了特定模态文本监督的价值。
-
新框架通过多模态视频对齐改进驾驶员分心检测
研究人员开发了一种新的多模态视频表示对齐框架，以改进用于驾驶员分心检测的自监督学习。该方法通过联合建模不可靠的阳性和阴性来解决来自多个传感器的噪声或故障数据带来的挑战。该方法使用软目标和基于相似度的加权机制来实现原则性的全局多模态对齐，在 Drive&Act 数据集上表现优于现有基线。
-
Meta 与 Overview Energy 合作，将太空太阳能传输至数据中心
Meta 已与 Overview Energy 达成协议，将接收高达 1 吉瓦的太空传输电力。该计划旨在为驱动 Meta 数据中心的太阳能农场在夜间提供能源，以满足 AI 模型巨大的电力需求。Overview Energy 计划到 2030 年在地球同步轨道部署一个由 1000 颗卫星组成的星座，将红外光传输到陆地太阳能农场，从而提高其发电能力。