B-spline
PulseAugur coverage of B-spline — every cluster mentioning B-spline across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
DynFly框架通过连续轨迹生成增强无人机导航
研究人员开发了DynFly，一个旨在改善城市环境中无人机（UAV）连续轨迹生成的新框架。该系统通过使用在B样条控制点上通过流匹配训练的Spline-DiT生成器，弥合了高级导航推理与可执行无人机运动之间的差距。DynFly整合了动态感知监督，考虑了位置、速度、加速度和航向一致性等因素，以确保生成的轨迹与无人机的运动特性保持一致。在OpenUAV基准上的实验表明，与现有方法相比，导航性能和轨迹质量有了显著提高。
-
新框架通过双先验学习增强医学图像超分辨率
研究人员开发了一种名为双先验零空间学习（DP-NSL）的新框架，用于医学成像中的任意切片超分辨率。该方法通过合成任意尺度的中间切片，从各向异性的临床采集数据中重建各向同性的三维体积。DP-NSL将问题重新表述为约束恢复过程，使用测量一致性投影（Measurement-Consistent Projection）确保精确重现采集到的切片，并使用样条混合模块（Mixture-of-Splines）施加几何连续性。在CT和MRI数据上的实验…
-
新指标评估 Kolmogorov-Arnold 网络面向硬件的推理复杂度
一篇新论文介绍了用于评估 Kolmogorov-Arnold 网络 (KANs) 推理复杂度的面向硬件的指标。这些指标包括实际乘法运算 (RM)、比特运算 (BOP) 以及加法和比特移位次数 (NABS)，旨在实现平台无关性，并有助于早期架构决策。分析涵盖了 B-spline、GRBF、Chebyshev 和 Fourier KANs 等各种 KAN 变体，能够与其他神经网络架构进行比较。
-
新的KAN框架和变体提高了研究和效率
研究人员开发了KANLib，一个旨在通过整合现有实现（如PyKAN、EfficientKAN和FastKAN）的特性来简化Kolmogorov-Arnold网络（KANs）研究的新框架。同时，引入了一个名为MKAN的新变体，它通过B样条系数的指数重新参数化，理论上保证了KANs的单调性。此外，PH-KAN为使用KANs进行非线性系统识别提供了一种保留结构的方法，提高了可解释性。最后，QuantKAN为KANs的量化提供了一个统一的…
-
新的3D轨迹世界模型增强了可扩展的机器人学习
研究人员开发了$\mu_0$，一种新颖的机器人世界模型，它利用3D交互轨迹来预测显著物体和点的运动。这种方法绕过了对特定于具身行为的动作标签的需求，从而实现了更具可扩展性的机器人学习。该系统借助TraceExtract工具自动提取3D监督信息，并使用模块化轨迹专家预训练视觉语言骨干网络。实验表明，$\mu_0$的表现优于现有的轨迹预测模型和标记化VLM方法，确立了3D轨迹作为可转移的操纵任务表示。
-
自适应RBF-KAN通过新的核函数和数据驱动的形状参数提高了效率
研究人员开发了一种名为自适应RBF-KAN的Kolmogorov-Arnold网络（KANs）的增强版本，提高了计算效率和灵活性。这种新方法用更广泛的核函数族（包括Matérn和Wendland类型）取代了FastKAN中使用的固定高斯径向基函数。自适应RBF-KAN利用留一法交叉验证对核形状参数进行数据驱动的初始化，并在网络训练期间进一步优化。在基准函数上的评估证明了自适应核选择和形状参数对于各种数据模式的有效性。
-
新的4D曲线框架实现了统一的3D几何抽象
研究人员利用单一、连续的4D曲线开发了一种新颖的3D几何抽象框架。该方法被参数化为具有空间坐标和可变宽度的B样条，能够以全局拓扑一致性表示复杂的体积形式，这与使用独立曲线段集合的方法不同。该框架将3D草图转换为全局路由问题，通过支持诸如Score Distillation Sampling (SDS)和CLIP等信号的基于梯度的优化，以及一个可微分渲染管线，来增强结构一致性和美观性。应用包括图像到3D抽象和多视图曲线艺术生成，产生了具…