Hausdorff distance
PulseAugur coverage of Hausdorff distance — every cluster mentioning Hausdorff distance across labs, papers, and developer communities, ranked by signal.
-
TraceCAD通过持久化恢复增强了基于LLM的CAD生成
研究人员开发了TraceCAD，这是一种新颖的恢复层，旨在提高大型语言模型（LLM）生成CAD的可靠性。该系统维护持久化状态，链接请求的功能、建模步骤和恢复结果，以诊断和纠正错误的操作。TraceCAD的方法包括在依赖区域内搜索有界编辑，并通过执行和保留检查来验证候选对象。在DeepCAD基准测试上的评估表明，TraceCAD在实现具有竞争力的几何质量的同时，减少了重试次数、token成本和延迟，证明了持久化、局部化和可重用恢复机制的有效性。
-
新框架使用下界表示改进轨迹相似性学习
研究人员开发了一个名为LB-TrajRep的新框架，用于学习轨迹相似性。该方法使用与深度神经网络嵌入无关的下界表示，为动态时间规整（DTW）、豪斯多夫距离和离散弗雷歇距离（DFD）等各种轨迹距离提供可接受且可解释的界限。实验表明，LB-TrajRep在某些指标上将top-k排名准确率提高了高达60%，持续优于当前的神经轨迹嵌入。
-
新理论界定常微分方程从解数据中识别的界限
研究人员开发了一个新的理论框架，用于从解数据中识别控制方程，解决了科学机器学习中的一个基本挑战。该方法引入了Hausdorff距离作为比较微分方程的度量，能够表征方程可以唯一且稳定地识别的条件。这项工作提供了可识别性界限并分析了样本复杂度，量化了可靠恢复各种常微分方程类别下底层方程所需的观测数量。
-
新指标SC-MFJ评估医学图像分割中的触觉质量
研究人员开发了一种名为SC-MFJ的新指标，用于评估医学图像分割的触觉质量，这对于手术模拟至关重要。与关注几何重叠的传统指标不同，SC-MFJ测量模拟触觉渲染过程中接触力的抖动。这一新指标揭示了不同分割方法之间触觉质量的显著差异，突出了几何指标所忽略的问题。
-
新的小波方法改进了跨域眼底图像分割
研究人员开发了一种新颖的小波引导分割网络WaveSDG，以解决不同采集条件下眼底图像分割的挑战。该方法通过将图像分解为小波子带，将解剖结构与特定域的外观分离开来。一个关键组件，基于小波的不变结构提取和细化（WISER）模块，可以细化特征以锚定全局解剖结构，同时增强边缘并减少噪声。在视杯和视盘分割上的评估表明，WaveSDG与现有的最先进方法相比，具有优越的性能和鲁棒性。