M. C. Escher
PulseAugur coverage of M. C. Escher — every cluster mentioning M. C. Escher across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新AI方法生成埃舍尔风格的递归图像
研究人员开发了一种新颖的生成自指图像的方法，其灵感来源于M.C.埃舍尔的递归艺术和共形变换的数学概念。通过在图像生成过程中应用变换，而不是作为事后步骤，该团队旨在创造更连贯、更整合的递归场景。这种方法涉及在源图像空间和变换图像空间中对去噪步骤进行编织，以完善递归几何的视觉效果和连接。
-
研究发现：词义消歧瓶颈在于标签而非模型
一篇关于英语词义消歧（WSD）的新论文指出，当前前沿的LLM模型已经非常准确，以至于训练标签的质量已成为基准性能的主要瓶颈。研究人员引入了lexEN，一个修正后的WSD基准，以及SenseBench，一个带有排行榜的评估工具。他们还发布了重新标注的语料库和一个在这些改进标签上训练的强大双编码器模型，证明了生成高质量标签的成本现在是WSD研究的主要限制因素。
-
AI 意识辩论：预测 vs. 理解
作者反对认为先进语言模型仅通过预测人类话语就能实现意识的观点。虽然人类和 AI 都能预测某人可能说什么，但其底层机制却大相径庭。人类的预测源于理解和心智理论，而 AI 的预测则依赖于对过往数据的统计分析。当出现意外或新颖的情况时，这种区别就显而易见了，这表明不同的过程，即使产生相似的输出，也并非相同。
-
Meschers：用于不可能物体的新网格表示
研究人员推出 Meschers，这是一种新颖的网格表示方法，旨在准确描绘不可能的物体，例如 M.C. Escher 艺术品中的物体。与以往涉及切割或弯曲的方法不同，Meschers 在离散外微分学中提供了理论基础，能够进行稳健的几何处理。这种新的表示方法支持各种下游图形应用，包括重新照明和距离计算，并允许对这些悖论式结构进行逆向渲染。