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
5 天有情绪数据
-
报告发现中国在人形机器人创新方面领先全球 · 跟踪到1个来源
LexisNexis的一份新报告显示，人形机器人创新正显著转向中国，中国公司在全球排名前十的公司中占据了六席。该研究评估了专利资产，发现中国公司占据了前五名中的大部分，包括上海的Fourier和AgiBot，以及深圳的LimX Dynamics和Pudu Robotics。中国创新激增的原因归因于过去十年中交互系统专利申请翻倍、形态增长2.5倍以及控制和规划架构增长五倍。
-
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…
-
新方法在固定读出预算下改进稀疏二维信号重建
本文介绍了一种从欠采样傅里叶表示重建稀疏二维信号的新方法，特别针对每通道可采样条目数量固定的场景。研究人员推导了给定读出预算下压缩感知矩阵互相干度的下界，证明其超过了经典的Welch界。本文还提出了实现某些矩阵维度和预算下该界限的确定性欠采样模式，并通过模拟将其性能与随机欠采样进行了基准测试。
-
新的傅里叶特征增强非平稳高斯过程模拟
研究人员开发了规则傅里叶特征来应对模拟非平稳高斯过程的挑战。这种新方法直接离散化频谱表示，避免了对限制平稳过程的概率假设的需求。该方法产生了一种高效的低秩近似，可以保持相关结构和正半定性，并且当频谱密度未知时，可以将其扩展到从数据中进行核学习。
-
新的GB-LSR方法提供更快、连续的图像重建
研究人员推出了一种新颖的局部光谱图像表示方法GB-LSR，专为连续图像重建和超分辨率而设计。该方法将图像划分为块，每个块包含从共享编码器特征预测的截断傅里叶基的系数。所有块和图像使用单一的、全局共享的带宽参数，允许以固定的成本在任何连续坐标进行重建，且成本与图像大小无关。与现有方法相比，GB-LSR在PSNR和LPIPS方面表现出优越的性能，同时推理成本显著降低。
-
新的GB-LSR方法提供更快、更高效的图像重建
研究人员推出了一种新颖的局部光谱图像表示方法GB-LSR，该方法专为高效的连续图像重建和超分辨率而设计。该方法将图像划分为块，每个块使用源自共享卷积特征的傅里叶基系数。一项关键创新是使用单一的、全局共享的带宽参数，这简化了过程，并允许以固定的计算成本在任何连续坐标上进行重建，而与图像大小无关。实验表明，GB-LSR在PSNR和LPIPS方面显著优于现有的本地重建基准测试方法，同时推理成本仅为一小部分。
-
新型 KFTD 网络提升海洋预测的准确性和速度
研究人员开发了一种名为 Koopman-Fourier 时差分 (KFTD) 网络的新型时间连续预测模型。该模型旨在通过解耦插值与预测来提高海洋时空预测的准确性和效率。与现有方法相比，KFTD 的计算速度提高了四倍，平均均方误差 (MSE) 降低了 5.6%，同时通过新颖的 DPP 损失函数融入了物理一致性。
-
新研究揭示图像分类器依赖相位进行身份识别
一篇新研究论文探讨了相位在图像分类器神经网络表征中的作用，并将其与Oppenheim-Lim测试进行了类比，该测试证明了仅凭傅里叶相位即可重建自然图像。研究发现，PRISM2D、GFNet和ViT-B/16等模型在身份识别方面严重依赖相位信息，而幅度信息在读取时作用较小。虽然ResNet-50最初似乎有所不同，但进一步分析显示，根据架构的整流和读取几何形状，在不同基数下会暴露一个潜在的符号编码。
-
新型GAN通过双域和等变性增强CT-PET图像合成
研究人员开发了一种双域等变生成对抗网络（DDE-GAN），以改进多模态CT-PET图像的合成。与仅关注空间域的传统方法不同，DDE-GAN同时考虑了空间域和频率（傅里叶）域，以捕捉更丰富的解剖和光谱信息。该网络还集成了旋转等变性，确保在旋转下响应一致并提高解剖精度。在HECKTOR 2022数据集上进行的测试表明，DDE-GAN在合成质量方面表现优越，为PET图像补全和数据增强提供了潜力。
-
Fourier Intelligence 与新加坡、日本在康复机器人领域达成合作
Fourier Intelligence 已与新加坡的 NHG Health 和日本的名古屋大学签署战略合作协议，以推进具身医疗保健。这些合作旨在加速康复和机器人技术的临床转化，重点关注个性化康复和可扩展的机器人应用。Fourier Intelligence 还展示了其与下肢外骨骼集成的脑机接口，提出了“脑机具身智能康复端口”的概念，以提高康复效率。