本目录基于《概念解析》专栏已发布的文章分类整理生成,包含无线感知、计算机视觉、深度学习等多个技术主题。
该专栏旨在结合前沿论文,为读者提供无线感知、人工智能(AI)、信号处理等领域相关概念的简明扼要的解释和介绍,致力于简洁清晰地解释、辨析复杂而专业的概念。通过对专业术语和前沿技术的通俗解读,帮助读者快速理解复杂概念的内在原理和机制,把握行业发展方向。

目录更新日期：20231012

1 无线感知相关

1.1 雷达

认知雷达

• 概念解析 | 认知雷达：有大脑的雷达
• 概念解析 | 认知媒介战：重塑信息战争的新纪元

雷达成像

• 概念解析 | 雷达层析成像：探索隐形世界的新视角
• 简要介绍 | 雷达穿墙成像及其应用场景

MIMO

• 概念解析 | 利用MIMO雷达技术实现高性能目标检测的关键技术解析
• 概念解析 | MIMO雷达中正交波形设计的概述

SAR

• 概念解析 | 合成孔径雷达在海洋动力学研究中的应用
• 概念解析 | 合成孔径雷达中运动补偿与自聚焦的关系
• 概念辨析 | SAR运动补偿和自聚焦技术：深入探索雷达图像
• 概念解析 | 多维度合成孔径雷达成像概念解析

DOA估计

• 概念解析 | 利用IAA迭代自适应方法实现高精度角度估计

1.2 通感一体化

• 概念解析 | UniScatters:一种基于超宽带元材料的毫米波回波标签
• 简要介绍 | 通信感知一体化：探索信息与通信技术的新边界
• 简要介绍 | 智能反射面在无线感知中的应用

1.3 网络 / IoT / 云计算

• 概念解析 | 无线感知的新篇章：异构网络感知的原理与挑战
• 概念解析 | 无线智能空口：打造下一代无线通讯网络的关键技术
• 概念解析 | 端边云协同智能计算
• 简要介绍 | 边缘计算：原理，研究现状与未来展望

1.4 量子感知

• 概念解析 | 量子时代的灵感：探索量子感知技术

1.5 生理感知

• 简要介绍 | 心脏机械-电耦合理论：原理、研究现状与未来展望

1.6 信号处理

• 简要介绍 | 巴特沃斯滤波器：理论与应用
• 简要介绍 | 快速傅里叶变换：从原理到应用
• 简要介绍 | 多传感器融合中的卡尔曼滤波

2 High-level视觉相关

2.1 自动驾驶 / 机器人 感知

• 概念解析 | 自动驾驶中的Corner Case剖析: 分类、处理方法和挑战
• 概念解析 | 非极大值抑制(NMS)：原理、缺点和改进
• 概念解析 | AutoFed:面向异构数据的联邦多模态自动驾驶的学习框架
• 简要介绍 | 航行家的视觉：理解Odometry, Relocalization和SLAM的区别与联系

2.2 医学图像处理

• 概念解析 | U-Net：医学图像分割的强大工具

2.3 点云处理

• 概念解析 | PointNet概述
• 简要介绍 | 两阶段点云目标检测：理论与实践
• 简要介绍 | 大规模三维场景理解：从点云到智能导航
• 简要介绍 | 点云距离度量：从原理到应用
• 简要介绍 | 三维点云配准：理论、方法与挑战

2.4 身份识别

• 简要介绍 | 走向自然的身份认证：步态识别技术简介
• 简要介绍 | 行人重识别 Person Re-identification

2.5 光流估计

• 简要介绍 | 光流估计：原理与实践

2.6 姿态估计

• 简要介绍 | 基于深度学习的姿态估计技术

2.7 OOD

• 简要介绍 | 计算机视觉中的开放词汇：挑战与未来
• 简要介绍 | OOD目标检测：背景，研究现状，挑战和未来

3 Low-level视觉相关

3.1 非视距（NLOS）成像

• 概念解析 | 虚拟镜面:超越三次反射的非视线成像

3.2 3D重建

• 概念解析 | 生成式与判别式模型在低级图像恢复与点云重建中的角力：一场较量与可能性探索
• 简要介绍 | 单目深度估计

3.3 生成模型

• 简要介绍 | 生成模型的演进：从自编码器(AE)到变分自编码器(VAE)和生成对抗网络(GAN)，再到扩散模型
• 简要介绍 | 自编码器：神经网络中的自我复制艺术
• 简要介绍 | 基于Diffusion model的图像生成和重建

3.4 图像形态学处理

• 简要介绍 | 基于Python的图像形态学处理概述

4 机器学习 / 深度学习 理论

4.1 基础概念

• 简要介绍 | Backbone与Baseline的区别
• 简要介绍 | 交叉熵损失：原理和研究现状
• 简要介绍 | 深度学习中的自注意力机制：原理与挑战

4.2 优化理论

• 概念解析 | 解码ADMM：交替方向乘子法的原理、应用与前景
• 概念解析| 压缩感知：在稀疏的世界中寻找完整的信息
• 概念解析 | 长尾分布：从无处不在的‘少数派’中挖掘价值
• 概念解析 | 隐式神经表示:揭开神经网络黑盒的奥秘

4.3. 神经符号

• 简要介绍 | 融合深度学习与符号逻辑：神经符号结合的探索

4.4 多模态/跨模态学习

• 简要介绍 | 解析模态之间的联系：跨模态学习与多模态学习的区别和联系

4.5 元学习

• 简要介绍 | 元学习：学会学习的新途径

4.6 NeRF

• 简要介绍 | 神经辐射场(NeRF)：原理、挑战与未来展望

4.7 知识蒸馏

• 概念解析 | 知识蒸馏(Knowledge Distillation)
• 简要介绍 | 知识蒸馏：轻量级模型的智慧之源

4.8 无监督 / 自监督 学习

• 简要介绍 | 图像聚类：概念、原理与方法
• 简要介绍 | 自监督学习：挖掘数据内在价值的新兴方法

4.9 CUDA

• 简要介绍 | CUDA底层原理：加速高性能计算的关键技术

4.10 量子机器学习

• 概念解析 | 量子机器学习：将量子力学与人工智能的奇妙融合

5 大模型

• CLIP和BLIP的区别 概念解析 | 揭秘视觉与语言交叉模型：CLIP和BLIP的介绍
• 生成式智能体 ACM UIST 2023 | Generative Agents: Interactive Simulacra of Human Behavior
• 概念解析 | ChatGPT技术概览
• 简要介绍 | 自回归生成：探索序列的未来之旅

6 其他

• 概念解析 | 无人机集群形状与轨迹建模: 集群舞蹈的艺术