即插即用多尺度融合模块在计算机视觉任务中展现出显著优势，能够有效处理图像中不同尺寸和形态的目标。这些模块通过提取和融合多尺度特征，增强模型对复杂场景的理解能力，且无需修改现有深度学习模型，便于快速应用。本文介绍了四种最新的多尺度融合模块：Scale-Aware Modulation与Transformer结合、基于多尺度特征融合的源相机识别算法、面向Transformer基目标检测器的多尺度特征高

【光学神经网络训练方法新突破】清华大学团队在《Nature》发表创新成果，提出全前向模式（FFM）训练方法，突破传统数字模拟限制。该方法直接在物理光学系统中执行训练，解决了反向传播算法无法应用的问题，实现数百万参数深度网络的训练，并在散射成像、非视距成像等场景取得突破性进展，达到亚光子级能效（5.4×10¹⁸次操作/秒）。研究团队还开源了4种前沿光学神经网络方案，包括： Netcast架构：实现8