深度分析
VideoSEMA：以 Mamba-like 結構優化視訊理解的運算效率
針對視訊理解中運算成本過高的挑戰，研究團隊提出 VideoSEMA 模型。該技術採用空間-時間分離注意力框架，在空間端導入類 Mamba 的 SEMA 模組以降低複雜度，時間端則維持標準注意力機制。實驗顯示，VideoSEMA 在 K400 與 SSv2 數據集上的準確率優於同規模的 Transformer 與 Mamba 模型，且能更穩定地處理高解析度視訊輸入。
電腦視覺
深度分析
低頻聲學攻擊揭露相機機械共振漏洞：對 YOLOv11 影像偽影的實驗研究
本研究探討低頻（<20 kHz）聲波對商用相機的機械共振效應，證實此類聲學干擾能破壞影像穩定機制，導致 YOLOv11 等物件偵測模型出現誤判、遺漏或虛假偵測。實驗以不同頻率掃描找出 20‑30 Hz 與 155‑180 Hz 為高危共振頻段，偵測率下降近 10%。
YOLO
AI 驅動足球視覺分析：YOLO 與 SAM2 結合同質映射的場上定位系統
本研究針對足球比賽影片開發電腦視覺分析系統，結合目標偵測、SAM2 分割與關鍵點 CNN 模型，利用同質映射將相機座標轉為實際場地座標，最終產出球員速度、跑動距離與熱點圖等戰術指標，為教練提供可操作的數據。