The University of Hong Kong（香港大学）

Natural Language-Driven Global Mapping of Martian Landforms

基于自然语言的火星地表全球映射

Yiran Wang, Shuoyuan Wang, Zhaoran Wei, Jiannan Zhao, Zhonghua Yao, Zejian Xie, Songxin Zhang, Jun Huang, Bingyi Jing, Hongxin Wei

机构 * School of Science, Southern University of Science and Technology（南方科技大学科学学院） ； China University of Geosciences（中国地质大学） ； University of Hong Kong（香港大学） ； Hubei Key Laboratory of Planetary Geology, China University of Geosciences（湖北省行星地质重点实验室，中国地质大学） ； The Chinese University of Hong Kong（香港中文大学） 纠错

AI总结 MarScope通过自然语言驱动的视觉-语言框架，实现了火星地表的全球映射，实现了高效、灵活的地质分析和大规模数据探索。

Performance-guided Reinforced Active Learning for Object Detection

基于性能的强化主动学习用于目标检测

Zhixuan Liang, Xingyu Zeng, Rui Zhao, Ping Luo

机构 * The University of Hong Kong（香港大学） ； SenseTime Research（商汤科技研究院） 纠错

AI总结 MGRAL通过强化学习优化样本选择，以提升目标检测的mAP性能，实现高效主动学习。

Comments Accepted by ICASSP 2026. Camera-ready Version

Consistency-Regularized GAN for Few-Shot SAR Target Recognition

一致性正则化的GAN用于少样本SAR目标识别

Yikui Zhai, Shikuang Liu, Wenlve Zhou, Hongsheng Zhang, Zhiheng Zhou, Xiaolin Tian, C. L. Philip Chen

机构 * College of Electronics and Information Engineering, Wuyi University（威夷大学电子与信息工程学院） ； College of Electronic and Information Engineering, South China University of Technology（华南理工大学电子与信息工程学院） ； Department of Geography, The University of Hong Kong（香港大学地理系） ； Faculty of Innovation Engineering, Macau University of Science and Technology（澳门科技大学创新工程学院） ； Faculty of Computer Science and Engineering, South China University of Technology（华南理工大学计算机科学与工程学院） 纠错

AI总结 Cr-GAN通过引入双分支判别器和双域循环一致性机制，在数据稀缺条件下提升少样本SAR目标识别性能，实现71.21%的高准确率。