跳到主要内容
检索

Changchun University of Science and Technology

2 篇关联报道

订阅更新
  1. arXiv

    MoonGS 用冻结视觉基础模型与语义排序损失,从双图前馈重建月面,LuSNAR 上 PSNR 达 23.80 dB

    MoonGS 是一个面向月面场景的前馈 3D 高斯泼溅框架:仅输入两张图像,单次前向即预测像素对齐的高斯原语,无需逐场景优化;它用冻结的视觉基础模型(DUSt3R,亦可换用 VGGT)提取鲁棒深度特征,融合语义先验并以语义排序损失正则弱纹理背景深度,再用熵引导的启发式重采样补充稀疏观测。在 LuSNAR 与自建弱纹理 MoonBlender 数据集上,其 PSNR、SSIM、LPIPS 均优于前馈 NeRF/3DGS 基线,推理保持亚秒级。

  2. Retina

    用Oracle筛选的合成眼底图像增强糖尿病视网膜病变分级,ConvNeXt的二次加权kappa从0.6350提升到0.7695,增殖期DR召回率翻倍

    该研究在辅助数据集上预训练StyleGAN3与Medfusion,并用域匹配的Oracle网络通过潜在空间拒绝采样和类别条件SDEdit升级对合成图像进行严格筛选,随后在印度DR图像数据集上以ConvNeXt、ResNet50、VGG16三种架构和五个随机种子评估下游分级,结果显示仅用真实数据训练的ConvNeXt基线二次加权kappa为0.6350±0.0135,加入筛选后的StyleGAN3合成数据提升至0.7185±0.0309,加入Medfusion合成数据提升至0.7695±0.0254(绝对提升0.1345),且Medfusion将增殖期DR的召回率从0.2615±0.1595提高

已读完全部报道