Fourier
PulseAugur coverage of Fourier — every cluster mentioning Fourier across labs, papers, and developer communities, ranked by signal.
- 2026-05-13 partnership Fourier Intelligence signed strategic cooperation agreements with NHG Health and Nagoya University to advance embodied healthcare. 来源
6 天有情绪数据
-
新框架通过极限核分析编码器-解码器算子学习
本文介绍了一种分析编码器-解码器架构中算子学习的新颖框架。它在函数空间上构建算子学习，解决了有限维训练数据表示的挑战。研究表明，随着输入和输出分辨率的增加，诱导核收敛到极限核，从而实现分辨率无关的正则性假设。该工作还为正则化随机梯度下降提供了理论界限，并将分析扩展到使用极限神经切线核的编码器-解码器神经网络。
-
新研究表明，结构化特征在机器学习模型中会过拟合
研究人员已证明，在参数过多的岭回归中，结构化特征图会导致过拟合，而无结构的随机特征图则能泛化。具体而言，在 $\mathbb{Z}_p^2$ 上的限带傅里叶特征图，即使在插值阈值以下，随着频带的增加，其准确性也会下降。研究发现，活跃模式的数量，而非容量比，对性能有显著影响，这凸显了特征几何在泛化中的重要性。
-
新的LUCID框架增强了连接组学的脑组织成像
研究人员开发了LUCID（具有统一一致性扩散的层析成像），一个旨在改进哺乳动物大脑连接组学纳米尺度成像的新框架。该方法解决了X射线层析成像中傅里叶空间覆盖不完整的问题，这通常会导致产生扭曲大脑结构的伪影。LUCID将多视图扩散先验与投影域数据一致性相结合，以恢复未测量的信息，在模拟和实验数据上均优于基线方法。
-
新的 FReSH-IR 方法为图像提供高效的一体化天气恢复
研究人员开发了 FReSH-IR，这是一种新的轻量级方法，用于恢复因雨、雾、雪等恶劣天气条件而退化的图像质量。这种一体化方法将特征表示分解为高频和低频分量，利用基于傅里叶的跳跃连接来整合光谱和空间信息。FReSH-IR 在使用参数和操作减少 80% 的情况下，实现了与基于 Transformer 的模型相当的恢复质量，使其适用于资源受限的系统。
-
新的LaST-SR方法通过复频率分解增强图像超分辨率
研究人员推出了一种新颖的单图像超分辨率方法LaST-SR，该方法利用复频率分解技术。该技术结合了用于广泛图像上下文的全局傅里叶分支和用于详细变化的局部复频率分支。一个协作聚合模块融合了两个分支的特征，从而改进了不规则结构和精细细节的重建。实验表明，在2倍和4倍超分辨率的PSNR和SSIM方面，LaST-SR的性能优于现有方法。
-
新研究使用群论和傅里叶分析定义函数平滑性
一篇新的研究论文在群论的背景下探讨了函数的“平滑性”概念，超越了其在实值函数中的传统定义。该研究提出，群 $G$ 的 $L^2(G)$ 中的平滑性与傅里叶系数在较低频率的集中度有关。这需要对不可约表示进行排序，而对于非阿贝尔群来说，这种排序是非规范的。该论文介绍了一种使用凯莱图拉普拉斯算子对这些表示进行排序的方法，定义了一个依赖于群及其生成集的排序函数。
-
新研究应对多工具AI图像编辑归因和鲁棒伪造检测
两篇新研究论文探讨了检测经过处理的面部图像的挑战，特别是那些由多种生成式AI工具编辑的图像。第一篇论文介绍了一种名为DPEC的方法，用于多工具图像编辑归因（MIEA），该方法可以识别单个图像上使用的多种编辑工具，并提出了一个名为MultiEdit的新数据集来支持这项任务。第二篇论文对包括Transformer和DINOv3等自监督方法在内的不同AI模型进行了基准测试，以在压缩和模糊等真实图像降级下进行面部伪造检测，发现自监督模型表现出…
-
PhasorNet 使用频域进行实时立体匹配
研究人员开发了 PhasorNet，一个用于实时立体匹配的新框架，该框架利用频域线索来提高在挑战性场景下的准确性。该系统包含一个相位增强Transformer (PAT)，将傅里叶衍生的相位信息整合到其注意力机制中，增强了其保持结构一致性的能力。此外，一个几何上下文融合细化模块 (GCFRM) 结合了卷积和基于注意力的流，以有效地保持精细细节和物体边界。PhasorNet 使用多尺度边缘引导高误差区域 (EHR) 损失进行训练，以较低…
-
新方法可在无真实数据的情况下对神经算子模型进行排名
研究人员开发了一种新颖的方法，可以在不需要高保真参考解的情况下，有效地选择最佳的神经算子模型进行部署。通过分析平方希尔伯特空间损失下候选差异的低维跨度，控制方程的单个线性化响应可以同时对所有模型进行评分。该方法在流体、反应扩散和波动力学等各种算子库中，准确恢复了超过 99.6% 的成对偏好和 99.0% 的最优检查点。修正后的物理代理通常优于单个最佳候选者，为部署科学代理提供了可靠高效的方式。
-
新的 DEFT 方法提高了复杂物理系统建模的效率
研究人员推出了一种新颖的数据高效采样方法 DEFT，用于对偏微分方程控制的时空动力学系统进行建模。这种频域方法识别主导傅里叶模式，并通过改变模式的幅度和相位来生成物理上一致的训练数据。DEFT 已证明在数据需求方面有显著降低，可减少高达 40% 的数据量，同时预测精度损失极小，并在将学习到的特征迁移到新数据集和新化学性质方面显示出有希望的结果。
-
中国公司引领人形机器人热潮，美国实施进口禁令
2026年上半年，全球人形机器人出货量激增272%，中国公司主导市场。总部位于中国的AgiBot和Unitree目前占全球出货人形机器人的75%。这些机器人越来越多地用于工业和商业应用，已超越新奇演示阶段，开始在工厂和仓库执行实际任务。然而，美国以网络安全和国家安全为由，实施了禁止进口外国制造的新型人形机器人的禁令，并点名AgiBot和Unitree。
-
压缩感知不适用于大语言模型推理存储压缩
由于大语言模型（LLM）推理过程中 KV 缓存数据的非稀疏性以及对确定性、无损操作的需求，压缩感知并非一种适用于压缩 KV 缓存数据的合适方法。相反，推理存储的实际改进来自于优化存储层级和访问路径，这已在 Mingxin FX100 系统中得到证明。这种方法通过将访问频率较低的数据卸载到更快的存储介质，显著降低了延迟和加载时间，同时不影响生成质量。
-
新框架使VARMA模型在处理高维数据时更加实用
研究人员开发了一个新的框架来估计向量自回归移动平均（VARMA）模型，该模型以前被认为在计算上不适用于高维数据。这种新方法允许优化迭代独立于序列长度，从而显著降低了计算成本。该框架利用了偏自相关重参数化和高斯先验，使其能够处理复杂的数据集，并在实证测试中优于现有的VAR和sparse-VARMA等模型。
-
新的随机特征方法可高效近似Grassmannian核
研究人员开发了一种使用随机特征图近似Grassmannian核的新方法。该方法解决了传统方法在处理大型、高维子空间数据集时遇到的计算和内存限制。所提出的技术利用秩一投影和有界非线性变换来创建有效的核近似，实验证明该近似能够准确地保留Grassmannian几何结构。
-
新理论将通用逼近与衍射光学处理器联系起来
研究人员开发了一个理论框架，将通用逼近理论与衍射光学处理器联系起来。该框架展示了相位编码的衍射处理器如何实现有限傅里叶特征展开，其物理可实现性取决于优化的空间变化相干点扩散函数。分析提供了区分各种贡献的误差界限，建立了逼近复杂度的缩放关系，并推导了基于光子预算和吞吐量的极限。
-
LexisNexis报告发现：中国引领全球人形机器人创新竞赛 · 追踪5个来源
LexisNexis的一份新报告显示，中国在人形机器人创新方面遥遥领先全球，在最具创新力的初创公司中，中国企业占据了前十名中的六席。该研究分析了专利资产，发现中国公司在形态、交互系统以及控制和规划架构方面占据主导地位。虽然中国在专利数量和强度上领先，但美国在最有价值的专利方面占有相当大的份额，这表明美国创新可能更注重质量而非数量。
-
新的可微分模拟器TurPy模拟光学湍流以用于系统设计
研究人员开发了TurPy，这是一种新颖的GPU加速模拟器，旨在模拟自由空间应用中的光学湍流。该工具是完全可微分的，能够进行基于梯度的光学系统设计优化。TurPy可以准确模拟波前畸变，并且可以通过调整其功率谱密度参数来适应各种环境，包括大气、海洋和生物介质。该模拟器已通过与现有湍流理论的对比进行了验证，准确率超过98%，并已用于优化衍射深度神经网络，将闪烁降低了58%以上。TurPy可作为开源软件包使用，以促进合成数据生成和算法开发。
-
Panache算法为时间序列数据提供单遍模式发现
研究人员开发了Panache，一种用于时间序列数据模式发现的新型单遍流算法。这种新方法通过用一次近乎线性的扫描替换重复的二次自连接，显著提高了效率。Panache利用谱分析和Parseval定理来识别相似子序列，在大型数据集（如Wafer时间序列）上，其性能优于现有的CPU和GPU基线，包括在NVIDIA H100 GPU上的SCAMP。
-
新的半直接傅里叶 Delta 注意力增强了 LLM 的长上下文记忆
研究人员推出了一种新颖的方法——半直接傅里叶 Delta 注意力（SFDA），以增强语言模型中的长上下文记忆。SFDA 通过用块旋转傅里叶控制替代实际衰减来泛化 Kimi Delta Attention，从而实现更精确的状态跟踪。该方法结合了建设性块-WY 分解以实现高效的内存管理，并提供了正式的稳定性和复杂度界限。虽然数值验证和玩具实验在学习循环记忆方面显示出希望，但大规模语言模型比较和融合内核实现仍有待未来的工作。
-
新AI模型通过外部证据增强多模态谣言检测
研究人员开发了一种新的模型，用于检测社交媒体帖子中结合了图像和文本的谣言。该模型通过整合外部事实证据和分析内容中的伪造特征来增强检测能力。它使用ResNet34视觉编码器和BERT文本编码器，并辅以一个通过傅里叶变换处理频域数据的伪造特征模块。该系统还采用BLIP生成简洁、忠实于图像的描述，以改善文本和图像之间的语义对齐，并采用门控自适应特征缩放融合机制进行动态多模态集成。在微博和Twitter数据集上的实验表明，与现有方法相比，在准…