IROS

LT-Mem: Volatility-Aware Spatio-Temporal Memory for Lifelong Scene Understanding

LT-Mem：面向终身场景理解的感知时间动态的时空记忆

Yumin Lee, Hyoseok Ju, Giseop Kim

机构 * DGIST（大邱庆北科学技术院） 纠错

AI总结 该研究针对机器人长期场景理解的时间遗忘问题，提出LT-Mem时空记忆框架，结合多会话SLAM与Tri-Memory结构，在LT-VQA数据集上性能优于基线且token消耗更少。

Comments 8 pages, 8 figures, 6 tables. Accepted to the 2026 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2026)

Dynamic SpectraFormer for Ultra-High-Definition Underwater Image Enhancement

用于超高清水下图像增强的动态频谱Transformer（Dynamic SpectraFormer）

Zhiqiang Hu, Tao Yu, Shouren Huang, Masatoshi Ishikawa

机构 * Research Institute for Science & Technology, Tokyo University of Science（东京理科大学科学技术研究所） ； Tokyo Institute of Technology（东京工业大学） 纠错

AI总结 针对水下图像的高低频混合失真问题，提出Dynamic SpectraFormer模型，通过超分辨率稀疏频谱注意力模块和动态频谱权重生成层实现增强，经多基准验证其有效性。

Comments 8 pages, 7 figures. Published in the 2024 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2024)