Delaunay triangulation
PulseAugur coverage of Delaunay triangulation — every cluster mentioning Delaunay triangulation across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新算法实现图像排列的差分敏感性
研究人员开发了一种名为三角内容感知排列（TCA）的新算法，该算法挑战了长期以来认为像素排列本身无法在图像处理中实现差分敏感性的假设。与以前的方法不同，TCA 利用 Canny 边缘检测和 Delaunay 三角剖分来创建一种高度敏感于几何变化的独特分区。这种敏感性使得单个像素的改变能够导致完全不同的全局排列模式，将 NPCR（像素变化率）显著提高到 97.10%。虽然比传统方法慢，但 TCA 为基于引用的加密和脆弱水印等应用提供了增强的安全性。
-
新的 DTIF 框架使用 Delaunay 三角剖分进行森林测绘
研究人员开发了 DTIF，一个用于复杂森林环境中鲁棒回环检测的新框架。该系统利用树干的 Delaunay 三角剖分来创建紧凑的场景表示，克服了稀疏和嘈杂的 LiDAR 数据带来的挑战。DTIF 以较低的计算开销实现了精确配准，使其适用于资源受限的边缘平台，用于森林清单和测绘。
-
AI 系统使用几何归一化技术，在 X 光片中准确检测肺炎和 COVID-19
研究人员开发了一种自动化系统，通过对肺部区域进行几何归一化来识别胸部 X 光片中的肺炎和 COVID-19。该系统采用 ResNet-18 模型进行标志点检测，然后使用广义普氏分析和仿射变换进行几何归一化。一个单独的 ResNet-18 分类器随后将图像分类为 COVID-19、病毒性肺炎或正常。该方法在 COVID-19Radiography Database 上取得了高精度，表明与原始图像或伪影掩盖图像相比，解剖对齐可以实现更鲁棒…
-
利用邻近图增强的图神经网络用于沙尘排放预测
研究人员开发了一种新方法，通过整合邻近图来增强图神经网络（GNNs）在沙尘源排放预测中的应用。这些图，包括 Delaunay 三角剖分、Gabriel 图、k-最近邻图和 Yao 图，被用作 GraphSAGE、图卷积网络（GCNs）和图注意力网络（GATs）等各种 GNN 架构的输入。研究表明，使用邻近图的 GNN 在准确预测沙尘现象方面，其性能显著优于使用随机图的模型，并且也优于传统的长短期记忆（LSTM）模型。