科研成果

Low-light image enhancement (LLIE) aims to improve visibility and signal-to-noise ratio in images captured under poor lighting conditions. Despite impressive improvement, deep learning-based LLIE approaches require extensive training data, which is often difficult and costly to obtain. In this paper, we propose a zero-shot LLIE framework leveraging pre-trained latent diffusion models for the first time, which act as powerful priors to recover latent images from low-light inputs. Our approach introduces several components to alleviate the inherent challenges in utilizing pre-trained latent diffusion models, modeling the degradation process in an image-adaptive manner, penalizing the latent outside the manifold of natural images, and balancing the strengths of the guidance from the given low-light image during the denoising process. Experimental results demonstrate that our framework outperforms existing methods, achieving superior performance across various datasets.

自 1974 年 5 月 31 日中国与马来西亚建立正式外交关系以来，两国关系历经多个发展阶段，不断深化发展。在 50 年的演进历程中，中马关系经历几个不同历史时期，两国通过互动达成共识，构建彼此认可的身份与利益认知，进而推动双边关系的稳定发展。然而，仅从双边互动视角出发，难以全面解释复杂国际环境下中马关系的发展历程。因此，从系统层面探讨国际体系在不同时期对中马关系的制约，以及相关赋能因素的影响，是十分必要和重要的。尽管国际体系的结构性限制会影响国家行为体的互动，但行为体的能动性仍能部分突破这些限制，自主选择发展路径并塑造战略取向。这一系统视角不仅深化对中马关系本质的理解，也为探讨双边关系在不断变动的国际环境中的韧性提供一种新思路。

本文对结构性变化的旅游需求进行研究,基于带有外生变量的向量自回归(VARX)模型,提出了一种分段组合预测的方法。与既有研究普遍采用的基于完整数据集构建组合预测模型不同,本文创新性地将时间因素纳入组合预测考量,通过将不同时间段的变量视为独立的单元,构建出分段时间序列数据集的组合预测模型。该方法以游客的网络搜索行为作为外生变量用于预测旅游人数,并捕捉这些外生变量在不同时间节点上对旅游人数产生的差异化影响,特别是在新冠疫情等突发冲击下的动态变化。实证结果显示,VARX模型的分段组合在预测中国出境旅游人数时展现出更高的准确性,其预测精度因考虑了外生变量在不同时间段的特异性影响而得以提升。事后分析进一步显示,特别是针对2024年中国出境旅游趋势的外样本预测结果,随着新冠疫情影响的逐渐消退及全球旅游市场的逐步复苏,中国出境旅游人数将呈现积极向上的增长态势。这一结论与现有公开文献中的趋势分析相吻合,进一步印证了本文预测方法的实践应用价值。

随着电影对极致沉浸式视听体验的发展需求,沉浸式声场记录和重放技术日显重要。本文围绕电影音频制作技术中的声场记录和重放问题,介绍了基于球麦克风阵列的高阶高保真立体声(Higher Order Ambisonics,HOA)分析技术,并针对球麦克风阵列球谐分解中的低频噪声与高频混叠问题,以及双耳重放技术中的阶数受限问题,给出了相应解决方案,研究表明所提方案可为观众提供更真实、更具沉浸感的声场重放效果,提升了观影体验,在电影音频制作中具有广阔的应用前景。

复杂环境下，开源国防数据结构各异、语义复杂，及时有效地融合多模态语义信息，辅助情报决策迫在眉睫。文章提出多模态国防数据融合模型，增强国防情报分析能力。首先，梳理了开源情报的发展脉络；其次，分析了国防数据环境的复杂性；再次，总结了多模态数据融合的关键技术，构建了融合模型；最后，结合多模态国防数据融合案例，提出相应融合启示。复杂环境下，多模态国防数据融合既要准确把握语义融合的粒度，又要兼顾情报任务的需求，并结合深度学习等实现开源数据的快速、准确融合。

线索发现是体现情报专业特色的关键情报任务，也是情报理论和实践研究的重要内容，文章围绕公共政策文本语义分析的线索发现进行探索，为循证决策中的政策研究问题提供证据支持。以循证决策场景下的公共政策文本分析需求为依据，系统梳理了政策文本语义分析的线索分布，基于情报感知理论，构建了公共政策文本语义分析的线索发现理论模型，提出支撑循证决策场景的线索发现流程与方法。在循证决策过程的政策设计、政策执行、政策效果评估阶段，公共政策文本语义分析的线索分布于政策演化、政策体系结构、政策协同、政策扩散、政策客体态度等方面，政策文本语义分析的线索发现包括政策数据扫描、情报事实提取、证据摹因刻画三个阶段，大语言模型技术的应用能够为循证决策提供高质量的证据。

健康是居民生活质量和社会福利的重要指标。在医保基金趋于“紧平衡”的背景下，提高居民自身的健康投资能力与意愿具有重要意义。本文使用中国家庭追踪调查数据，实证研究发现，房价变动通过改变居民对健康投资的支付能力和支付意愿，进而影响个体健康水平。基于这一发现，本文构建了一个同时包含内生住房和健康决策的生命周期模型，使用家庭数据校准参数，定量分析房价增长率和波动率对资产配置与居民健康的长期影响。模型显示。房价增长率和波动率会通过改变居民的支付能力和支付意愿，进而影响其健康投资。定量分析结果表明，该影响呈现非线性特征，具有显著的经济含义。本研究深入分析了房价变动在短期和长期的潜在健康效应，有助于理解居民资产配置与健康决策的联动机制，并对缓解医保基金支出压力提供了政策设计启示。

本文基于对埃塞俄比亚的实地调研和一手资料收集，分析联邦制对经济发展的影响及其机制。近二十年来，埃塞俄比亚在“族群联邦制+发展型国家”的制度模式之下实现了经济腾飞。财政联邦主义理论认为，联邦制可以通过央地分权和可信承诺等机制促进经济发展，而埃塞俄比亚的模式则揭示了迥异于财政联邦主义理论的一种可能性：在利普哈特所谓“成分不一致的联邦”中，通过地理上区隔各个族群以减少冲突，为经济发展创造条件。同时，埃塞俄比亚尝试通过“发展型国家”模式推动经济发展，事实上也背离了联邦制的一些重要原则，揭示了二者的内在张力。近年来，这一模式的一些负面影响浮出水面，联邦制急需用新的方式为政治整合和经济发展作出贡献。