Jetpack Compose
PulseAugur coverage of Jetpack Compose — every cluster mentioning Jetpack Compose across labs, papers, and developer communities, ranked by signal.
- 2026-05-22 research_milestone Researchers published a paper introducing the ComPose framework for hand-aware object pose estimation. 来源
5 天有情绪数据
-
使用 Kotlin、LLM 和 Android 构建语音控制机器人
本教程详细介绍了如何使用 Android 上的 Kotlin 和 LLM 构建语音控制机器人。该系统捕获语音，通过 LLM 进行意图解析，并将其转换为结构化的机器人命令。一个关键的安全层在将命令发送到机器人之前对其进行验证，确保 LLM 不会直接控制关键功能。该架构支持云端和离线 LLM 推理，强调分层控制以确保安全。
-
AlbumentationsX 简化图像和标注增强
AlbumentationsX 是一个新颖的增强流水线，旨在通过确保应用于图像及其相关标注（如掩码、边界框或关键点）的随机更改保持一致来防止数据损坏。该库使用单个 Compose 对象来管理变换列表、概率和随机种子，将选定的变换统一应用于所有支持的标注类型。这种方法旨在维护数据完整性和可复现性，允许用户保存流水线定义并重新运行特定的增强调用。
-
Gemini AI Studio 和 Canvas 提供有限的公开部署选项
Google 的 Gemini AI Studio 和 Canvas 提供无代码解决方案来构建应用程序，但它们在公开部署方面的能力存在显著差异。AI Studio 可以生成 React、Node.js 和 Kotlin 代码，并可以选择直接部署到 Google Cloud Run 或导出到 GitHub。然而，Canvas 主要在 Gemini 界面内创建交互式草稿，缺乏直接的公共托管，需要 GeminiLaunch 等第三方服务进行…
-
Google Gemini 将 AI 应用构建集成到助手，侧重于可维护性
Google 正在将其重点从独立的 AI Studio 移动应用转移到更深入的 Gemini 集成以创建应用，目标是将应用构建从专业工具转移到日常 AI 助手。虽然 AI 应用构建器可以使用 Gemini 应用构建器工作流等工具快速生成功能性演示，但挑战在于将它们转化为可维护的产品。这涉及到建立适当的工程工作流，包括架构、安全、测试和版本控制，以有效管理 AI 生成的代码。
-
CompoSE方法实现3D形状的组合合成与编辑
研究人员开发了CompoSE，一种使用扩散Transformer架构创建和编辑3D形状的新方法。该方法通过输入粗略的几何基元并生成分离部件的3D模型，实现了3D对象的组合合成与编辑。CompoSE能够对单个部件进行局部编辑，如替换、添加、删除和调整大小，而无需部件级别的文本提示。在引导合成任务中，该方法表现出优于现有技术的性能。
-
Google AI Studio 现在可以根据提示构建原生 Android 应用
Google AI Studio 推出了一项新功能，允许用户直接在网页浏览器中根据文本提示生成原生 Android 应用程序。该工具在 Google I/O 2026 上发布，通过使用 Jetpack Compose 生成 Kotlin 代码、提供集成的模拟器进行测试以及通过 Google Play Developer 账户一键部署到内部测试轨道，从而简化了开发流程。生成的应用程序支持离线功能和设备硬件访问，这使其区别于之前的基于 W…
-
新的COMPOSE方法通过超图覆盖优化三维人体姿态估计
研究人员开发了COMPOSE，一种用于从多个摄像机视图进行三维人体姿态估计的新颖方法。该方法将问题重新构建为超图覆盖优化任务，超越了成对关联，实现了单一的全局目标。COMPOSE在不需要三维监督的情况下实现了准确性的显著提高，优于现有的基于优化和自监督学习的方法。
-
新AI框架COMPOSE生成未来数学定理
研究人员开发了一个名为COMPOSE的新框架，用于生成未来可能出现的数学猜想。这个双图系统利用论文的引用图和其形式定理依赖图来约束语言模型。通过结合科学背景和形式结构，COMPOSE旨在比仅考虑单一信息来源的先前方法产生更扎实、数学上更丰富的输出。该框架在108K个示例的数据集上进行了评估，在生成未来定理类猜想方面表现出优越的性能。
-
ComPose框架统一形状补全与姿态估计
研究人员开发了ComPose，一个用于类别级物体识别的新框架，它统一了形状补全和姿态估计。该方法通过将形状补全直接集成到姿态估计过程中，解决了现有方法在处理不完整3D数据时遇到的局限性。ComPose使用渐进式关键点补全模块来恢复完整的物体几何形状，从而在不需要类别特定形状先验知识的情况下提高准确性和效率。
-
ComPose 利用手部运动作为线索来跟踪物体
研究人员开发了 ComPose，一个用于从 RGB 视频进行 6DoF 物体跟踪的新框架，该框架独特地利用手部运动作为补充线索。ComPose 没有仅仅将手视为遮挡物，而是将手部关节信息与来自基础模型的物体线索相结合来估计运动。这种方法提高了准确性和鲁棒性，尤其是在手部严重遮挡和几何模糊的情况下，并且可以迁移到下游机器人操作任务。
-
新AI方法增强3D形状合成与编辑
研究人员开发了CompoSE，一种使用部件感知控制来合成和编辑3D形状的新方法。该方法利用了扩散Transformer架构，该架构在考虑全局上下文的同时处理各个部件，从而能够进行细粒度的编辑操作，如替换、添加、删除和保持风格的缩放，而无需部件级别的文本提示。同时，另一项研究介绍了用于3D编辑的大型数据集Pxform，以及一个前馈网络PartFlow，该网络利用语义部件变换来实现可扩展的3D内容创建，并达到了最先进的性能。
-
AI 对软件开发的影响：成本、速度和工具。
一系列文章探讨了 AI 融入软件开发和基础设施的各个方面。主题涵盖了本地 LLM 推理与云服务的成本效益，以及 AI 在加速工程过程方面的局限性。文章还深入探讨了 AI 作为一种技术而非产品的本质、跨平台 UI 开发的挑战，以及代码搜索和工作流自动化等 AI 工具的实际应用。
-
Android 开发者简化 Jetpack Compose 迁移
本文讨论了初级 Android 开发者将遗留 XML 屏幕迁移到 Jetpack Compose 的过程。文章强调了 Android 技能如何应用于简化此过程，使开发者能够通过点击应用更改，而不是手动复制粘贴代码。