跳到主要内容
检索

Hebei University of Technology

3 篇关联报道

订阅更新
  1. arXiv

    单张条纹图直接回归高度:混合Mamba-Transformer网络把RMSE压到0.548毫米

    单张高频条纹图重建三维面形,难点在于同时保住跨视场的空间一致性和局部几何细节:卷积网络的长程建模受限,窗口式Transformer的全局交互只能随深度逐步建立。混合Mamba-Transformer网络在Swin式U形架构的中等分辨率编码阶段引入视觉状态空间模块,并用轴向-膨胀视觉状态空间块在选择性扫描前增强方向性条纹特征。在公开条纹投影数据集上,该网络仅用一张变形条纹图取得0.548毫米的RMSE和0.9985的SSIM,RMSE相对UHRNet和HiDNet分别降低65.2%和59.6%。

  2. arXiv

    人体动作生成改用图像扩散:把关节轨迹排成图,两套骨架共用一个模型

    人体动作生成不再为每套骨架单独建模:把根节点相对关节轨迹排成关节-时间图像后,图像扩散架构在HumanML3D与KIT-ML上共用同一个动作自编码器和同一个生成器,两套骨架定义都保留。

  3. Nanoscale

    用于癌症分子成像的可编程纳米探针:迈向自适应与情境响应式诊断

    这篇综述系统梳理了刺激响应型纳米探针的设计原理与功能架构,指出其可针对肿瘤内源性线索(如pH约6.5-6.8、谷胱甘肽2-10 mM、酶过表达、缺氧低于2% O2及氧化还原梯度)和外源性触发(近红外光700-1000 nm、磁场、超声)实现情境响应式激活与信号调控,带来5-20倍信号放大,并整合多模态成像与人工智能以实现实时数据解读和自适应诊断。

已读完全部报道