English(EN) EMMA: Extracting Multiple physical parameters from Multimodal Data

EMMA框架从多模态数据中提取物理参数

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-21 00:00

研究人员开发了EMMA，一个能够从原始视频、音频和图像数据中提取多个物理参数的新型框架。这个物理信息系统利用液体时间常数网络学习潜在动力学，同时强制与控制微分方程保持一致。EMMA在各种基准测试和实际系统中展示了强大的多参数恢复能力，优于现有的单一模态和方程发现方法。 AI

影响引入了一种从多模态数据中进行物理信息参数提取的新方法，有望改进科学建模和机器人技术。

排序理由该集群包含一篇详细介绍新框架及其在基准测试中性能的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

Hugging Face Daily Papers TIER_1 English(EN) · 2026-05-21 00:00

EMMA: Extracting Multiple physical parameters from Multimodal Data

EMMA is a physics-informed multimodal framework that directly recovers dynamical parameters from raw video, audio, and image data using a Liquid Time-Constant network and physics-constrained loss.