随着大规模模型 (包括大型视觉模型与多模态基础模型) 的迅速发展，人工智能在理解与处理高维数据方面取得了突破性进展。然而，目前的研究主要集中在可见光 (RGB) 图像与自然语言数据上，对于红外 (IR)、电光 (EO) 以及声学成像等非传统模态的探索仍相对不足。这些模态受不同的成像物理机制、光谱特性、噪声分布及数据稀缺性等因素影响，使得主流大模型方法难以直接适用，亟需结合信号处理理论与大模型范式进行创新。在这一背景下，本特刊旨在搭建信号处理与大模型研究的交叉平台，推动构建更稳健、可解释且高效的智能感知系统。特别关注物理先验与模型驱动方法 (如稀疏性、统计推断、变换域分析与物理约束) 在大规模架构中的融合，以及跨光谱/多模态融合、低信噪比检测、小目标识别、时间序列建模等关键问题。同时，也鼓励关于模型轻量化、边缘部署与高效适配策略的研究。通过整合信号处理的理论严谨性与基础模型的强大表达能力，本特刊旨在突破现有研究范式的局限，为红外、电光及声学成像系统的智能化发展提供统一视角与新的研究动力。

AI 邀请了北京理工大学张睿恒博士、中国科学院软件研究所刘雨蒙博士、上海大学马世伟教授、自然资源部第一海洋研究所杨俊钢博士合作创建特刊“Signal Processing Meets Large Models: Foundations and Applications for Infrared, Electro-Optical and Acoustic Imaging (信号处理与大模型融合：红外、电光与声学成像的基础与应用)”。本特刊重点关注如何将经典信号处理方法与大模型架构相结合，以提升红外、电光与声学等非RGB成像系统的稳健性、可解释性与效率。特刊包括但不限于以下主题：

物理约束与机理驱动的大模型构建 (physics-informed large models)

基于模型与数据驱动方法的混合框架

跨光谱、跨模态融合方法

低信噪比条件下的检测技术

小目标识别与弱目标提取

序列与时域建模方法

小样本、弱标注条件下的学习策略

轻量化模型、模型压缩及边缘侧智能部署

投稿截止日期：2026年10月31日

• 客座编辑

张睿恒 博士（北京理工大学）

张睿恒，现任北京理工大学机电学院长聘副教授、博士生导师，长期从事多模态具身智能与红外/毫米波成像智能感知方向研究。他先后在北京理工大学与澳大利亚悉尼科技大学获得双博士学位，并曾在新南威尔士大学遥感研究院从事科研工作。张副教授聚焦红外、电磁与多模态智能感知的前沿研究，围绕国家新一代人工智能战略与国防需求开展技术攻关，主持173基础加强重点项目课题、国家自然科学基金面上项目、工信部重大专项课题及北京市联合基金等十余项科研任务。在 IEEE TNNLS、IEEE TMM、IEEE TCSVT、IEEE TGRS、Remote Sensing of Environment、ICLR、ICML、ECCV 等国际顶级期刊与会议发表论文50余篇，其中以第一/通讯作者发表高水平成果30余篇，包含ESI高被引论文11篇、热点论文2篇，并获最佳论文奖2项。科研成果已申请发明专利20余项，获省部级科研奖励4项，入选中国科协青年人才托举工程。

研究领域：红外成像；多模态大语言模型

刘雨蒙 博士（中国科学院软件研究所）

刘雨蒙，高级工程师，现任中国科学院软件研究所边缘数据智能研究团队负责人，入选国家高层次人才计划。他于2023年在中国科学院大学获得博士学位，并分别于2011–2013年、2014–2016年在美国南加州大学获得硕士学位。刘雨蒙博士长期从事数据挖掘与数据库技术研究，在边缘数据智能、复杂数据处理等方向具有深厚积累。其科研成果突出，获GF技术发明一等奖 (排名1)、中国科学院青年科学家奖、中国航空学会技术发明二等奖 (排名2)、中国指挥与控制学会科技进步二等奖 (排名3) 等多项重要奖励，在业内具有较高影响力。

研究领域：大模型；数据挖掘

马世伟 教授（上海大学）

马世伟，上海大学机电工程与自动化学院教授、博士生导师，曾任自动化系主任。他先后在兰州大学和上海大学获得本科、硕士与博士学位，并于日本国立产业安全研究所完成博士后研究 (JST Fellow)。此外，他还曾赴瑞典和德国进行短期访学，并获中国仿真学会会士荣誉称号。马教授长期从事图像处理、机器学习和模式识别等方向的研究，在智能感知与自动化领域具有丰富的研究经验和重要影响力。

研究领域：声学成像；图像处理

杨俊钢 博士（自然资源部第一海洋研究所）

杨俊钢 (IEEE 会员) 于2004年在内蒙古大学 (位于中国呼和浩特市) 获得数学硕士学位，并于2007年在中国科学院海洋研究所 (位于中国青岛) 获得物理海洋学博士学位。2007年，他加入自然资源部第一海洋研究所海洋物理与遥感实验室，从事研究工作。

研究领域：海洋动力环境遥感；卫星测高数据处理及应用；海洋水下动力环境智能检测。

了解特刊详情：https://www.mdpi.com/journal/ai/special_issues/I7PRMS755S

• AI 期刊介绍

主编：Prof. Dr. Kenji Suzuki, Tokyo Institute of Technology, Japan

AI (ISSN 2673-2688) 是一个国际型开放获取的英文学术期刊，旨在为涉及人工智能的任何领域提供实质性的新见解。期刊鼓励科学家和工程师们尽可能详细地发表他们的实验和理论研究。目前 AI 已被ESCI (Web of Science), Scopus和DOAJ等数据库收录。期刊在Computer Science, Interdisciplinary Applications领域位居Q1, 在Computer Science, Artificial Intelligence领域位居Q2。

2024 Impact Factor：5.0

2024 CiteScore：6.9

Time to First Decision：19.2 Days

Acceptance to Publication：3.9 Days

期刊介绍：https://www.mdpi.com/journal/ai