PulseAugur
中
实时 20:15:04
实体 rotation group SO(3)

rotation group SO(3)

PulseAugur coverage of rotation group SO(3) — every cluster mentioning rotation group SO(3) across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
11
90 天内 34
发布 · 30天
0
90 天内 0
论文 · 30天
11
90 天内 34
层级分布 · 90 天
主题
关系
情绪 · 30 天

6 天有情绪数据

最近 · 第 1/2 页 · 共 34 条
  1. TOOL · CL_364355 ·

    CoSphere-SLAM: 新型全景高斯溅射SLAM框架

    研究人员推出CoSphere-SLAM,一个新颖的多智能体同步定位与地图构建(SLAM)框架,专门为全景相机设计。该系统通过采用具有快速傅里叶相关和全局Sim(3)共识的球面回环闭合,解决了对称环境中错误的闭环以及单目SLAM中的尺度漂移等挑战。CoSphere-SLAM还整合了定向全局优化来纠正尺度漂移并提高姿态精度,最终在基准数据集上实现了轨迹精度和渲染质量的最新水平。

  2. TOOL · CL_348684 ·

    PoseRieFlow框架从文本生成详细的3D人体姿态

    研究人员开发了PoseRieFlow,一个用于从文本描述生成全身3D人体姿态的新颖框架。与以往经常忽略手部关节或在欧几里得空间中建模旋转的先前方法不同,PoseRieFlow直接在SMPL-H关节旋转的复杂流形上运行。该方法利用Diffusion Transformer高效处理身体部位,为手部分配特定标记以提高细节和运动学精度。该框架体积小巧,仅有2160万个参数,并在全身运动学误差的PoseScript基准测试中取得了最先进的成果,…

  3. RESEARCH · CL_344193 ·

    新DP-Learner框架提升哈密顿量预测精度 · 追踪2个来源

    研究人员开发了DP-Learner,一个新颖的等变深度学习框架,旨在提高电子结构哈密顿量的预测精度。该框架直接在直积空间中运行,解决了现有使用直和空间方法的表示不匹配问题。DP-Learner利用基于李生成器的嵌入和不变积,在没有复杂分解的情况下保持对SO(3)、SU(2)和空间反演的等变性。该方法已通过在大规模MP-HAM-110K数据集和Materials-HAM-SOC数据集上的实验得到验证,在预测精度和推理效率方面均显示出显著的提升。

  4. TOOL · CL_342268 ·

    新的SO(3)-等变图神经网络处理CAD边界表示

    研究人员开发了SO3brep,一种新颖的SO(3)-等变图神经网络,用于处理CAD边界表示(B-reps)。该新模型通过在消息传递过程中保留面之间的相对方向信息,解决了从非规范方向存储的CAD模型中学习的挑战。与现有的B-rep和等变点云网络相比,SO3brep在多个基准测试中表现出更高的准确性和参数效率,尤其是在标记数据有限的情况下,这在工业CAD应用中很常见。

  5. TOOL · CL_336567 ·

    语言模型助力机器人控制器形式化验证

    研究人员探索了在机器人系统形式化可验证控制器设计中使用语言模型的方法。‘Proof-Carrying Evolution’ (PCE) 方法涉及一个搜索过程,该过程提出控制器及其数学证书,然后检查这些证书以指导选择。虽然语言模型在某些线性问题上表现优于经典基线,但与经典优化器相比或在 SO(3) 姿态控制等更复杂场景中使用时,其有效性有所不同。研究还强调了保留已认证候选者以产生新设计的重要性。

  6. TOOL · CL_327523 ·

    新的神经ODE方法从数据中发现李对称性和一阶积分

    研究人员开发了LatentLieODE,一种新颖的神经常微分方程(ODE)方法,能够从观察到的时间序列数据(如视频)中识别线性的李对称性和一阶积分。该方法采用自编码器将轨迹映射到低维潜在空间,并在该空间中拟合无穷小生成器库和多层感知器(MLP)以重建原始时间序列。该系统在六个基准系统中成功识别了对称性和守恒量,与真实值相关性至少达到0.978。特别地,在球体数据集上,它恢复了非阿贝尔 $\mathfrak{so}(3)$ 对称性,这在…

  7. RESEARCH · CL_324547 ·

    新方法CanDO可恢复旋转点云模型的性能

    研究人员开发了CanDO,一种用于提高因测试时旋转而性能下降的黑盒点云模型性能的新方法。与先前需要模型权重或梯度的方​​法不同,CanDO仅使用前向查询来查找最大化模型置信度的输入变换。这种无导数优化技术可以恢复大部分丢失的性能,在方位角方向偏差下实现76%的恢复,在任意SO(3)旋转下实现51%的恢复,用于物体部件分割。

  8. TOOL · CL_308077 ·

    新的 SO(3) 等变 CNN 推动球面数据分析

    研究人员开发了一种新颖的 SO(3) 等变卷积神经网络 (CNN),专为球面数据设计,特别是利用 HEALPix 格式。该架构结合了可定向滤波器和自旋加权特征,以确保精确的等变性,从而防止网络在学习物理对称性上消耗训练资源。该系统在密集梯度回归方面表现出高精度,在宇宙微波背景前景去除和去噪方面表现出竞争力,为科学分析的模拟效率带来了显著的改进。

  9. TOOL · CL_303414 ·

    新的代数形式主义统一了深度学习架构

    研究人员引入了“产品交互”(Product Interactions),一种新颖的代数形式主义,旨在统一和系统地构建各种深度学习架构。该框架将数据表示为代数元素,并利用乘法作为基本操作,通过乘法算子的组合来生成架构。该形式主义可以推导出卷积、注意力、状态空间网络(包括Mamba)等现有模型,并通过对称性约束代数乘积来纳入等变性。在CIFAR-10上使用简化的代数动力学层进行的实验表明,其准确性和吞吐量优于Mamba,表明交互顺序和对称…

  10. TOOL · CL_289526 ·

    新型神经算子模型确保流体动力学的旋转鲁棒性预测

    研究人员开发了一种名为不变条件各向同性核神经算子(IKNO)的新型神经网络模型,以解决偏微分方程的神经代理中的坐标依赖性问题。该模型旨在即使在物理状态以不同坐标系表示时也能保持一致的预测,并已在三维 Navier--Stokes 动力学上进行了测试。IKNO 通过整合源自旋转不变标量量和旋转矢量方向的局部相互作用来实现这一点,从而与使用参数少得多的其他模型相比,实现了精确的坐标一致性和更高的预测准确性。

  11. TOOL · CL_277200 ·

    新的NC-SSM模型克服了Mamba、S4D和LRU的局限性

    研究人员引入了非交换状态空间模型(NC-SSM),以解决现有选择性状态空间模型(如Mamba)的局限性。这些新模型,包括SO(3)-SSM和Cayley-SSM,将状态转换扩展到紧李群,实现了精确的保持范数的等距。基准测试表明,NC-SSM在跟踪A_5和S_5等复杂群方面显著优于对角线模型,并以最小的漂移保持黎曼流形。

  12. TOOL · CL_273526 ·

    新描述符精确分析3D形状,保留手性

    研究人员开发了一种新的描述符,用于分析具有球形拓扑的3D形状,解决了现有方法的局限性。该描述符精确消除了对参数化、姿态和尺度的依赖,同时保留了标准方法会丢失的手性信息。新方法利用经典不变量理论中的多项式不变量,并通过基准测试进行了验证,成功地区分了解剖结构中的镜像对和非对称对。

  13. TOOL · CL_254230 ·

    人工智能预测3D打印牙科零件的最佳构建方向

    研究人员开发了一种机器学习方法,用于预测使用选择性激光熔化(SLM)制造的牙科零件的最佳构建方向。通过对大约2400个患者特异性牙科零件进行模型训练,他们比较了包括经典SO(3)参数化和直接S2表示在内的各种旋转表示的有效性。研究发现,测试时增强显著提高了大多数表示的准确性,将平均角度误差降低了31-73%。虽然直接S2表示显示出有希望的结果,但性能最佳的表示被发现是骨干依赖的。

  14. TOOL · CL_247806 ·

    AI模型利用对称性增强晶体取向图分辨率

    研究人员开发了一种新颖的对称群感知超分辨率注意力网络(SG-SRAN),旨在提高晶体取向图的分辨率。该网络通过将等效取向映射到公共潜在表示,独特地结合了晶体对称性和边界保持。与现有模型相比,SG-SRAN以显著更少的训练参数实现了最先进的结果,并展示了对新合金的高保真度和零样本迁移能力。

  15. TOOL · CL_245095 ·

    新研究解释了优化器为何在等变网络上表现不佳

    研究人员确定了某些优化器(如 Muon)在训练等变神经网络时优于 Adam 的一个关键原因。问题源于 Adam 在等变线性层的不同块之间处理学习率的方式。具体来说,Adam 会单独重新缩放权重,而不考虑这些块的边界,从而导致步长不一致。提出的解决方案包括单独对每个块的更新进行归一化,并结合调整后的动量系数,这使得 Adam 在各种数据集上能够与 Muon 相媲美。

  16. TOOL · CL_205967 ·

    新的TRI-HAR框架实现了旋转不变的活动识别

    研究人员开发了TRI-HAR,一个用于使用可穿戴IMU进行人类活动识别(HAR)的新型框架。该系统旨在应对多IMU设置中常见的、不同身体位置IMU之间的独立定向偏移问题。TRI-HAR通过采用旋转不变骨干网络和不变投影方法,在融合特征进行分类之前解决此问题,在多个基准测试中表现优于现有方法,且无需旋转增强。

  17. TOOL · CL_178432 ·

    新的神经网络框架学习复杂的李-泊松系统动力学

    研究人员开发了潜在李-泊松神经网络(LLPNNs),这是一个新颖的框架,旨在直接从可观测数据中学习和预测李-泊松系统的动力学。这些系统对于模拟各种物理现象至关重要,包括刚体和流体动力学,但通常涉及不可观测的潜在变量。LLPNNs 利用诸如哈密顿解码器、诺特定理不变性和李群更新等几何原理来保持动力学的底层结构。该方法在适度大小的数据集和神经网络架构上展示了强大的长期预测精度、噪声鲁棒性和效率。

  18. TOOL · CL_174134 ·

    新的SE(3)-MeanFlow方法加速蛋白质骨架生成

    研究人员开发了SE(3)-MeanFlow,一种用于蛋白质骨架设计的新型生成框架。该方法在李群几何上运行,与现有的扩散和流匹配模型相比,能够实现更快、更高效的生成。SE(3)-MeanFlow通过利用闭式平均速度恒等式和稳定的MeanFlow损失,在蛋白质骨架生成方面取得了具有竞争力或更优的结果,尤其是在少数步骤的场景下。

  19. RESEARCH · CL_167784 ·

    新框架解决点云配准中的尺度不匹配和旋转问题

    两篇新的研究论文介绍了一种用于点云配准的新型框架,点云配准是机器人领域 3D 感知中的一项关键任务。第一个,R-SLPR,通过采用涉及区域提议、匹配和精炼的多阶段方法来解决将小型或不完整的点云与大型参考点云对齐的挑战。第二个,SHReg,利用球谐函数和 SO(3) 的表示论来实现严格旋转等变点云配准,保证精确的等变性,而无需依赖脆弱的局部参考系。这两种方法在基准数据集上都展示了最先进的性能,尤其是在尺度不匹配或大旋转扰动等挑战性条件下。

  20. TOOL · CL_145729 ·

    新框架分析机器学习模型丢弃的信息

    研究人员开发了一个新框架,用于分析当输入具有李群作用时机器学习模型丢弃的信息。该框架通过在每个输入点定义一个“零纤维”来量化模型不可见的对称性,零纤维代表其作用对函数不可检测的群元素。该方法适用于包括神经网络和量子电路在内的各种架构,可以高效计算,并在数据掩码、模型指纹识别和隐私保护计算方面具有潜在应用。