计算机科学-3d与估计

📄 中文摘要:
Tully-Fisher关系是一种重要的距离指示器,但其精确推断受到选择偏差、统计偏差以及倾角校正不确定性的挑战。本研究提出了一种贝叶斯框架,同时解决这些问题。为消除对个体倾角校正的需求,倾角被视为具有已知概率分布的潜在变量。为了校正由于样本选择引起的与距离相关的Malmquist偏差,模型将因变量中的高斯散布、自变量的分布以及观测选择函数纳入数据似然中。为了减轻由高斯散布和自变量非均匀分布引起的统计偏差(称为‘广义Eddington偏差’),本文引入了两种方法:(1)在计算似然之前对因变量进行解析偏差校正;(2)采用双散布模型,在似然函数中考虑自变量的高斯散布。通过模拟数据集验证了这些方法的有效性。本研究通过在潜在变量回归分析中严格处理选择偏差和统计偏差,为标准烛光提供了一种无偏的距离估计方法,这对于提高哈勃常数测定的精度至关重要。研究背景在于Tully-Fisher关系在宇宙学距离测量中的核心地位,而其方法创新在于综合考虑多种偏差并提出系统性解决方案。关键发现表明,提出的贝叶斯框架和偏差校正方法显著提高了距离估计的准确性。结论指出,该方法不仅适用于Tully-Fisher关系,还可推广至其他标准烛光距离估计问题,为宇宙学研究提供了重要工具。

📄 中文摘要:
本文提出了一种方法,将在透视图像上训练的基础单目深度估计器(FMDEs)扩展到鱼眼图像。尽管FMDEs在数千万张图像上进行了训练,但由于相机校准参数(内参、畸变)的变化导致的协变量偏移,它们在鱼眼图像上的深度估计往往会出现错误。本研究通过对鱼眼图像的潜在嵌入分布与透视图像的潜在嵌入分布进行对齐,实现在不重新训练或微调的情况下将FMDEs应用于鱼眼相机。为此,作者引入了一组校准令牌(Calibration Tokens)作为轻量级适应机制,对潜在嵌入进行调制以实现分布对齐。通过利用FMDEs已有的表达性潜在空间,本方法避免了传统重新校准或将图像空间投影到规范参考系时引入的伪影和损失的负面影响。该方法采用自监督学习方式,不需要鱼眼图像,而是利用公开的大规模透视图像数据集,通过将透视图像重新校准为鱼眼图像,并在训练过程中强制估计一致性来实现。作者在室内和室外场景中对多种FMDEs进行了评估,使用单一的令牌集在两种场景下均取得了优于现有最先进方法的结果。本研究的代码已公开,展示了其在鱼眼相机深度估计领域的应用潜力。

📄 中文摘要:
近年来,3D高斯溅射(3DGS)技术在实时和逼真的新视角合成方面展现了卓越的能力。然而,传统的3DGS表示方法在大规模场景管理和高效存储方面常常面临挑战,尤其是在处理复杂环境或计算资源有限的情况下。为解决这些问题,本文提出了一种新颖的感知-采样-压缩框架用于3D高斯溅射。具体而言,我们设计了一种场景感知补偿算法,该算法在每个层级上智能地优化高斯参数,优先考虑视觉重要性,以在关键区域实现更高的渲染保真度,同时优化资源使用并提升整体可见质量。此外,我们提出了一种金字塔采样表示方法,用于管理跨层级的高斯基元。最后,为了便于高效存储所提出的层级金字塔表示,我们开发了一种广义高斯混合模型压缩算法,在不牺牲视觉保真度的情况下实现了显著的压缩比。大量实验表明,我们的方法在保持实时渲染速度的同时,显著提高了内存效率和视觉质量。本研究通过创新的框架设计,为3DGS在大规模场景中的应用提供了有效的解决方案,对实时渲染和资源受限环境下的图形处理具有重要意义。

📄 中文摘要:
本文提出了一种新颖的动态三维高斯溅射(3DGS)框架,用于解决动态场景建模中的挑战。尽管静态场景建模中3DGS表现出色,但将其扩展到动态场景时面临显著问题,如低秩分解导致的过度平滑或高维网格采样引发的特征冲突。这些问题源于在不同频率下保持运动细节和变形一致性之间的固有频谱冲突。为此,本研究引入了混合显式-隐式函数的动态3DGS框架,包含三项关键创新:一是频谱感知的拉普拉斯编码架构,结合哈希编码和基于拉普拉斯的模块,实现灵活的频率运动控制;二是增强的高斯动态属性,补偿几何变形引起的测光失真;三是基于KDTree的原始控制指导的自适应高斯分割策略,有效查询和优化动态区域。通过广泛实验,该方法在复杂动态场景的重建中展现出最先进的性能,实现了更高的重建保真度。研究结果表明,该框架能够有效平衡运动细节和变形一致性,显著提升动态场景建模的质量,为计算机视觉领域的4D重建提供了重要参考。未来,该方法可进一步应用于实时动态场景分析和虚拟现实等领域,具有广阔的应用前景。

📄 中文摘要:
三维高斯溅射(3D Gaussian Splatting, 3DGS)因其通过三维高斯投影和融合实现的高效渲染,已成为新视图合成(Novel View Synthesis, NVS)领域的一种竞争性方法。然而,在大多数3DGS方法中,高斯点在渲染过程中被平等对待权重,这容易导致过拟合问题,尤其是在稀疏视图场景下更为显著。为解决这一问题,本研究探讨了自适应加权高斯点对渲染质量的影响,并提出了基于学习的不确定性来表征这一特性。学习到的不确定性有两个关键作用:首先,它指导高斯不透明度的可微分更新,同时保持3DGS流程的完整性;其次,不确定性通过软可微分丢弃正则化进行处理,将原始不确定性转化为连续的丢弃概率,从而控制最终的高斯投影和融合过程,用于渲染。在广泛采用的数据集上进行的广泛实验结果表明,该方法在稀疏视图三维合成中表现优于现有竞争方法,与现有稀疏视图方法相比,在大多数数据集中以更少的高斯点实现了更高质量的重建。例如,与DropGaussian相比,该方法在MipNeRF 360数据集上的PSNR提高了3.27%。研究表明,通过不确定性引导的优化,本方法在稀疏视图场景下显著提升了渲染质量和效率,为3DGS技术的发展提供了新的思路。作者还讨论了该方法在实际应用中的潜力及其对未来研究的启示,认为不确定性引导的策略可能进一步扩展到其他三维重建任务中。

📄 中文摘要:
在工程和科学应用中,精确建模至关重要,但为复杂系统获取可靠的过程模型往往具有挑战性。为解决这一问题,本文提出了一种新颖的框架——储层计算与无迹卡尔曼滤波结合(RCUKF)。该框架通过储层计算(RC)进行数据驱动建模,并通过无迹卡尔曼滤波(UKF)实现贝叶斯估计。RC组件直接从数据中学习非线性系统动力学,作为UKF预测步骤中的代理过程模型,用于在高维或混沌状态下生成状态估计,而在这些状态下,传统的数学模型可能会失效。同时,UKF的测量更新步骤整合实时传感器数据,以校正数据驱动模型可能出现的漂移问题。本文在知名基准问题以及高保真仿真环境中的实时车辆轨迹估计任务上验证了RCUKF的有效性。研究结果表明,RCUKF能够在复杂系统中提供准确的状态估计,尤其是在传统模型失效的情况下表现出色。这一框架结合了数据驱动方法和贝叶斯估计的优点,为处理高维非线性系统提供了新的解决方案。作者通过实验展示了该方法在理论和实际应用中的潜力,尤其是在工程领域中对复杂动态系统的建模和估计问题具有重要意义。结论指出,RCUKF不仅提高了估计精度,还为未来的研究提供了可扩展的框架,可能适用于更广泛的动态系统建模任务。

📄 中文摘要:
本文提出了DualMat,一种新颖的双路径扩散框架,用于在复杂光照条件下从单张图像中估计基于物理渲染(PBR)的材质。该方法在两个不同的潜在空间中操作:一个是优化反照率的路径,通过RGB潜在空间利用预训练的视觉知识;另一个是专门针对材质的路径,在一个紧凑的潜在空间中运行,专门用于精确估计金属度和粗糙度。为了确保反照率优化路径和材质专用路径之间预测的一致性,作者在训练过程中引入了特征蒸馏技术。此外,通过使用整流流(rectified flow)技术,DualMat在减少推理步骤的同时保持了高质量的输出,从而提高了效率。该框架还通过基于补丁的估计和跨视图注意力机制,扩展到高分辨率和多视图输入,能够无缝集成到图像到3D的流程中。DualMat在Objaverse数据集和真实世界数据上均取得了最先进的性能,在反照率估计方面提升了高达28%,在金属度-粗糙度预测误差方面降低了39%,显著优于现有方法。研究结果表明,DualMat在PBR材质估计领域具有重要的应用潜力,尤其是在3D内容生成和渲染任务中,为提升图像到3D建模的精度和效率提供了新的解决方案。

📄 中文摘要:
本文对高斯 splatting 技术与语言嵌入相结合在3D场景理解中的应用进行了系统性综述。高斯 splatting 作为一种实时3D场景表示的新兴技术,以其高效和高保真的渲染能力,成为神经辐射场(NeRF)的有力替代方案,广泛应用于场景重建、机器人技术和交互式内容创建等领域。近年来,大型语言模型(LLM)及语言嵌入技术与高斯 splatting 的集成,为文本条件生成、场景编辑和语义场景理解开辟了新的可能性。本文详细回顾了当前将语言指导与3D高斯 splatting 结合的研究进展,阐述了其理论基础、集成策略以及现实应用案例。研究表明,语言嵌入能够显著提升3D场景的语义理解能力,例如通过文本指令生成或编辑3D场景内容。然而,当前研究仍面临诸多挑战,包括计算瓶颈、模型泛化能力不足以及语义标注3D高斯数据的稀缺等问题。文章进一步指出了未来的研究方向,如优化计算效率、提升跨领域适应性以及构建更丰富的语义数据集,以推动语言指导的3D场景理解技术的发展。本综述为相关领域的研究提供了全面的参考框架,并为解决现有局限性提供了启发。

📄 中文摘要:
近年来,基于视觉的多目标跟踪研究主要集中在特定目标(如行人和车辆)的跟踪上。然而,在某些现实场景中,未见过的目标类别常常由于低置信度检测、较弱的运动和外观约束以及长期遮挡等问题,对现有方法构成挑战。为解决这些问题,本文提出了一种名为多轨迹跟踪(Multi-Tracklet Tracking, MTT)的增强型跟踪器,将灵活的轨迹生成集成到一个多轨迹关联框架中。该框架首先根据检测结果的短期时空相关性自适应地聚类生成鲁棒的轨迹片段(tracklets),然后利用多种线索(如位置和外观随时间的变化)估计最佳轨迹划分,以减轻长期关联中的错误传播问题。通过在通用多目标跟踪基准数据集上的广泛实验,证明了所提出的框架具有很强的竞争力。研究背景方面,本文针对现有方法在处理未见过类别目标时的局限性,提出了一种新的解决方案。方法上,MTT框架通过自适应聚类和多线索轨迹划分,显著提升了跟踪的鲁棒性和准确性。关键发现包括该方法在处理长期遮挡和低置信度检测时表现出色,尤其是在通用目标跟踪任务中取得了优于传统方法的性能。结论指出,MTT框架为多目标跟踪领域提供了一种有效的工具,尤其适用于复杂现实场景中的泛化应用。

📄 中文摘要:
在安全通信系统设计中,准确估计信息泄漏至关重要。低估泄漏可能危及保密性,而高估则可能导致系统设计效率低下。本研究提出了一种基于神经网络的改进型互信息估计器,旨在解决窃听码设计中块长扩展的问题,同时保持估计的可行性。该估计器基于变分对比对数比上界框架,适用于离散和连续变量,并通过由神经网络参数化的伯努利专家混合模型来量化通信系统中的信息泄漏,尤其是在使用通用哈希族等复杂数据处理的情况下。研究进一步提出了一种方法,利用该估计器设计适用于窃听码或密钥生成的通用哈希族。仿真结果表明,现有方法在较高块长(n>>16)下使用通用哈希族时显著低估了互信息,而本文提出的方法可以将块长扩展至255。作者推测,若有足够的训练数据和模型规模,该设计可进一步扩展至更高块长。此外,本文提出的估计器和自适应哈希设计框架为将物理层安全考虑扩展到有限块长窃听信道提供了实用方法。研究结果不仅展示了改进估计器在信息泄漏量化方面的优越性,还为安全通信系统的设计提供了新的视角和工具,尤其是在有限块长场景下对安全性和效率的平衡具有重要意义。

📄 中文摘要:
本文提出了一种新的体积致密化方法,用于改进3D高斯溅射(3D Gaussian Splatting, 3DGS)技术在新型视图合成中的表现。研究背景聚焦于3DGS中点基元管理的有效性,传统的自适应密度控制(Adaptive Density Control, ADC)过程通过自动化致密化和修剪来解决这一问题,但其致密化策略存在显著缺陷。为此,本文引入了一种创新的密度控制方法,利用每个高斯函数相关的惯性体积来指导精细化过程。此外,研究还探讨了传统运动结构(Structure from Motion, SfM)和深度图像匹配(Deep Image Matching, DIM)方法在点云初始化中的效果。通过在Mip-NeRF 360数据集上的广泛实验评估,作者证明了所提出的方法在重建质量上优于传统的3DGS技术,并在多种场景中展现出令人鼓舞的性能。关键发现包括通过体积引导的致密化策略能够显著提升视图合成的细节和准确性,同时不同初始化方法的对比分析为未来的优化提供了参考。结论指出,该方法为3D重建和视图合成领域提供了一种有效的改进路径,具有潜在的广泛应用前景。

📄 中文摘要:
从观测数据中估计因果效应是一项具有挑战性的任务,主要由于选择偏差导致处理组之间的协变量分布不平衡。基于倾向得分(Propensity Score)的加权方法被广泛用于解决这一问题,通过对样本重新加权来模拟随机对照试验(RCT)。然而,这些方法的有效性高度依赖于观测数据和倾向得分估计器的准确性。例如,逆倾向加权(IPW)根据倾向得分的倒数分配权重,当倾向得分方差较大时(可能是由于数据或模型误指定),会导致权重不稳定,从而降低处理选择偏差和估计处理效应的能力。为了克服这些局限性,本文提出了一种新的基于倾向得分的加权方法——去混杂因子加权(DFW)。DFW利用去混杂因子构建稳定且有效的样本权重,优先考虑混杂程度较低的样本,同时减轻高度混杂样本的影响,从而生成一个更接近RCT的伪人群。DFW方法确保权重有界、方差较低,并显著改善协变量平衡。虽然DFW最初是为二元处理设计的,但由于去混杂因子基于每个样本实际接受处理的估计概率计算,因此可以自然扩展到多处理场景。通过在真实世界基准数据集和合成数据集上的广泛实验,本文证明DFW在协变量平衡和处理效应估计方面均优于现有方法,包括IPW和CBPS。研究结果表明,DFW在处理观测数据中的选择偏差和提高因果推断精度方面具有显著优势,为因果效应估计提供了一种更稳健和有效的工具。

📄 中文摘要:
本文提出了一种自上而下的方法,用于构建紧凑且快速的3D高斯特征场,称为CF3。研究背景源于3D高斯溅射(3D Gaussian Splatting, 3DGS)技术开始整合来自2D基础模型的丰富信息,但现有方法多依赖自下而上的优化过程,将原始2D特征视为 ground truth,导致计算成本增加。CF3方法首先对多视图2D特征与预训练高斯进行快速加权融合,进而直接在提升后的特征上训练每个高斯的自编码器,而非在2D域内训练自编码器。这种方式使自编码器与特征分布更好地对齐。此外,研究引入了一种自适应稀疏化方法,通过优化特征场的高斯属性,同时修剪和合并冗余高斯,构建出保留几何细节的高效表示。实验结果表明,CF3在仅使用Feature-3DGS方法5%高斯数量的情况下,实现了具有竞争力的3D特征场性能。这种方法显著降低了计算成本,同时保持了特征场的质量和细节。结论指出,CF3为3D特征场构建提供了一种高效且实用的解决方案,可能在3D视觉任务中具有广泛应用前景。

📄 中文摘要:
本文研究了术中荧光心脏成像技术在冠状动脉搭桥手术后质量控制中的应用,旨在通过跟踪局部特征点来估计心脏灌注等局部定量指标。然而,心脏运动以及血管结构丰富导致的图像特性显著波动对传统跟踪方法构成了挑战。为此,作者提出了一种基于循环一致性检查的粒子滤波跟踪器,用于鲁棒地跟踪采样粒子以跟随目标标志点。该方法能够在25.4帧每秒的速度下同时跟踪117个目标,实现了干预过程中的实时估计。实验结果表明,该方法的跟踪误差为(5.00 ± 0.22像素),显著优于其他深度学习跟踪器(22.3 ± 1.1像素)和传统跟踪器(58.1 ± 27.1像素)。这一技术在处理复杂动态环境下的心脏成像数据时表现出色,为术中实时评估提供了可靠支持。作者通过对比实验验证了方法的有效性,并讨论了其在临床应用中的潜力,特别是在提高手术后评估精度和实时性方面的贡献。结论指出,该粒子滤波跟踪器为荧光心脏成像提供了一种高效且鲁棒的解决方案,可能进一步推动术中成像技术的发展。

📄 中文摘要:
本文系统性地探讨了在工业和建筑领域中利用3D数据的实践洞察,重点介绍了在跨设备商业元宇宙平台Cluster上实现工业元宇宙的案例。传统上,诸如BIM和CAD等专业3D设计数据仅限于少数专家使用,这为普通用户参与决策过程设置了显著障碍。本研究通过分析工业和建筑领域主要数据格式的特点与限制,整理了元宇宙整合的工作流程,并通过跨多个领域的3D数据应用案例,展示了元宇宙与数字孪生技术融合如何支持协作决策。具体而言,研究表明多设备访问和多用户同时参与的功能能够在工业元宇宙中营造民主化的环境,这在传统的专家依赖系统中是难以实现的。文章详细阐述了在Cluster平台上如何实现多格式3D数据的整合,包括数据转换、兼容性处理以及跨设备同步的技术挑战与解决方案。此外,通过实际应用案例,研究展示了如何利用元宇宙技术在建筑设计和工业生产中实现实时协作与可视化决策支持,从而提升效率和参与度。结论指出,元宇宙技术不仅打破了专业壁垒,还为工业和建筑领域的创新提供了新的可能性,尽管在数据安全和系统稳定性方面仍需进一步研究和优化。

📄 中文摘要:
近年来,3D高斯溅射(3DGS)技术在实时渲染领域取得了显著进展,同时保持了高质量的新视角合成。然而,3DGS依赖于本质上具有低通特性的高斯函数,限制了其在3D场景中表示高频细节的能力。此外,3DGS还导致冗余基元问题,降低了训练和渲染效率,并增加了内存开销。为解决这些局限性,本研究提出了3D Gabor溅射(3DGabSplat),一种基于3D Gabor的新型基元,用于辐射场表示,并通过多视角图像进行监督。3D Gabor基元构建了一个包含多个不同频率3D Gabor核的滤波器组,增强了捕捉3D细微细节的灵活性和效率。为了实现新视角渲染,本研究开发了一种高效的基于CUDA的光栅化器,将3D Gabor基元表征的多个方向性3D频率分量投影到2D图像平面上,并提出了一种频率自适应机制,用于基元的自适应联合优化。3DGabSplat具有良好的可扩展性,可作为即插即用内核无缝集成到现有的3DGS框架中,从而提升新视角合成的效率和质量。大量实验表明,3DGabSplat在真实场景和合成场景中均优于3DGS及其使用替代基元的变体,达到了最先进的渲染质量。值得注意的是,相较于3DGS,3DGabSplat在减少基元数量和内存消耗的同时,实现了高达1.35 dB的PSNR增益。本研究为辐射场渲染提供了一种高效且高质量的解决方案,对计算机图形学领域具有重要意义。

📄 中文摘要:
本文提出了一种多视角仅姿态估计方法,并将其应用于GNSS-视觉-惯性里程计(GVIO)中,以提升视觉辅助传感器融合中不变扩展卡尔曼滤波(IEKF)的效率和适用性。IEKF作为一种重要的技术,在联合优化相机姿态和地标时通常面临较高的计算负担。为解决这一问题,本研究的主要贡献是推导了一种视觉测量模型,该模型直接将地标表示与多个相机姿态和观测关联起来。研究证明,这种仅姿态测量模型在地标和姿态之间建立了紧密耦合关系,并保持了一个与估计姿态无关的完美零空间。此外,本文将所提出的方法应用于基于滤波的GVIO系统中,并引入了一种新颖的特征管理策略,以进一步优化性能。通过仿真测试和现实世界实验,验证了所提出方法在效率和精度方面的优越性。仿真结果表明,该方法能够显著降低计算复杂度,同时保持高精度的姿态估计。现实世界实验进一步证实了该方法在实际应用中的鲁棒性和可靠性,尤其是在多传感器融合场景下。总之,本研究为视觉-惯性导航系统提供了一种高效且实用的解决方案,具有重要的应用价值,并为未来的多传感器融合研究奠定了基础。

📄 中文摘要:
跨视图定位(CVL)通过将地面图像与空中参考图像匹配来确定摄像机的地理位置,使智能车辆能够在无GNSS的环境中实现离线自定位。然而,大多数CVL方法仅输出单一观测结果(即摄像机姿态),缺乏测量原理所需的冗余观测数据,难以通过观测数据的相互验证来评估定位可靠性。为解决这一问题,本文提出了一种名为Slice-Loc的两阶段方法,结合反常可靠性验证进行CVL。Slice-Loc并非将查询图像作为单一输入,而是将其分割为多个子图像,并为每个切片估计3自由度(3-DoF)姿态,从而生成冗余且独立的观测数据。随后,提出了一种几何刚性公式,用于筛选出错误的3-DoF姿态,并将内点合并以生成最终的摄像机姿态。此外,本文还提出了一种模型,通过估计切片图像位置分布的误报数量(NFA)来量化定位的有意义性。通过消除重大误差,Slice-Loc显著提高了定位精度,并有效检测出定位失败。在剔除错误定位后,Slice-Loc将误差超过10米的比例降低至3%以下。在DReSS数据集的跨城市测试中,Slice-Loc将平均定位误差从4.47米降低至1.86米,平均方向误差从3.42°降低至1.24°,优于现有最先进方法。代码和数据集将在https://github.com/bnothing/Slice-Loc上公开。

📄 中文摘要:
多视图聚类在处理异构数据时面临自动发现模式、处理高维特征以及剔除无关信息的重大挑战。传统方法通常需要手动调整参数,且缺乏跨视图整合的系统性机制。本研究提出了两种互补算法:AMVFCM-U和AAMVFCM-U,构建了一个无参数的统一框架。该方法通过熵正则化项替代模糊化参数,强制实现自适应的跨视图共识。其核心创新在于基于信噪比的正则化方法(δ_j^h = bar{x}_j^h / (σ_j^h)^2),为特征加权提供了原则性依据,并保证了收敛性,同时结合双层熵项自动平衡视图和特征的贡献。AAMVFCM-U进一步扩展了这一框架,通过自适应阈值(θ^{h^{(t)}} = d_h^{(t)} / n)在特征和视图层面实现层次降维。在五个不同基准数据集上的评估表明,该方法在性能上优于15种现有最先进的方法。AAMVFCM-U实现了高达97%的计算效率提升,将数据维度降低至原始大小的0.45%,并能自动识别最佳视图组合以优化模式发现。研究结果表明,该框架在多视图聚类任务中具有显著的优势,为处理高维异构数据提供了有效的解决方案,同时避免了繁琐的参数调整过程。其理论创新和实际应用效果为后续研究奠定了坚实基础。

📄 中文摘要:
本文提出了一种名为MagicHOI的新方法,用于从短单目交互视频中重建手部和物体的3D模型,特别是在视角变化有限的情况下。传统基于RGB的手部-物体重建方法多依赖于物体模板,而无模板方法通常假设物体完全可见。然而,在现实场景中,固定相机视角和静态抓握往往导致物体部分不可见,从而产生不合理的重建结果。MagicHOI通过关键洞察解决了这一问题:尽管成对的3D手部-物体数据稀缺,大规模新视角合成扩散模型能够提供丰富的物体监督信息。这些监督信息作为先验,用于在手部交互过程中对不可见物体区域进行正则化。基于此,作者将新视角合成模型集成到手部-物体重建框架中,并通过引入可见接触约束进一步对齐手部与物体。实验结果表明,MagicHOI在手部-物体重建任务上显著优于现有的最先进方法。此外,新视角合成扩散先验有效正则化了不可见物体区域,显著提升了3D手部-物体重建的精度和真实性。本研究为解决现实场景中的手部-物体交互重建问题提供了创新性解决方案,具有重要的应用潜力。

📄 中文摘要:
视觉行人跟踪是一个具有广阔应用前景的研究领域,广泛应用于智能监控、行为分析和人机交互等场景。然而,在现实世界中,行人跟踪面临着严重的遮挡挑战。当多个行人相互交互或重叠时,目标特征的丢失会导致跟踪器难以维持稳定的轨迹。传统跟踪方法通常依赖于基于Re-ID模型提取的全身边界框特征以及线性恒速运动假设,但在严重遮挡场景下往往表现不佳。为解决这些局限性,本研究提出了一种增强型跟踪框架,利用更丰富的特征表示和更鲁棒的运动模型。具体而言,该方法结合了目标检测器中回归和分类分支的检测特征,将空间和位置信息直接嵌入到特征表示中。为进一步缓解遮挡问题,引入了头部关键点检测模型,因为相较于全身,头部较少受到遮挡。在运动建模方面,本研究提出了一种迭代卡尔曼滤波方法,旨在与现代检测器假设相一致,并整合3D先验信息以更好地完成复杂场景中的运动轨迹。通过结合外观和运动建模的这些改进,所提出的方法为拥挤环境中多目标跟踪提供了更鲁棒的解决方案,特别是在遮挡普遍存在的情况下。实验结果表明,该方法在处理拥挤场景中的行人跟踪任务时,显著提升了跟踪的稳定性和准确性,为未来的研究和应用奠定了坚实基础。

📄 中文摘要:
三维服装建模与仿真在时尚、娱乐和动画等领域的虚拟形象创建中至关重要。然而,由于穿衣人体形态的多样性,尤其是在生成逼真的皱褶效果时,实现高质量的结果具有挑战性。三维扫描技术能够更准确地表示现实世界对象,但缺乏语义信息,而可靠的语义重建流程可以推断这些信息。在穿衣人体建模的背景下,形状分割在识别语义形状部分中起着关键作用,是完全语义形状部分重建(包括底层人体和相关服装)的初步步骤。与标准分割方法提供不相交集合不同,这些部分代表多个具有强烈重叠的层级。本研究提出了一种新的三维点云分割范式,其中每个三维点可以同时关联到不同的层级,从而估计底层身体部分和未见的穿衣区域(即被上层衣物遮挡的部分)。我们将这种分割范式命名为穿衣人体分层。为此,我们创建了一个新的合成数据集,模拟了非常逼真的三维扫描,并提供了相关服装层的真实标签。我们提出并评估了不同的神经网络设置来处理三维服装分层问题,考虑了粗粒度和细粒度的每层服装识别。实验结果表明,在合成和现实世界扫描数据集上,引入针对服装领域的适当分割策略具有显著优势。本研究不仅为穿衣人体建模提供了新的视角,也为三维点云分割技术的发展开辟了新的可能性。

📄 中文摘要:
视觉分词器是视觉生成中的关键组成部分,然而现有的分词器在压缩比与重建保真度之间往往难以取得满意的平衡。为了解决这一问题,本文提出了一种强大且简洁的WeTok分词器,通过两项核心创新超越了以往领先的分词器。首先,作者提出了分组无查找量化(Group-wise lookup-free Quantization, GQ)方法,将潜在特征划分为多个组,并对每个组进行无查找量化。这种方法有效克服了先前分词器在内存和计算上的限制,同时通过更具扩展性的码本实现了重建质量的突破。其次,作者引入了生成式解码(Generative Decoding, GD)技术,与传统分词器不同,GD通过引入额外的噪声变量先验,以概率方式建模基于离散令牌的视觉数据分布,从而使WeTok能够在高压缩比下重建视觉细节。在主流基准测试上的广泛实验表明,WeTok表现出卓越的性能。在ImageNet 50k验证集上,WeTok实现了创纪录的零样本rFID值(WeTok:0.12,相较于FLUX-VAE:0.18和SD-VAE 3.5:0.19)。此外,WeTok的最高压缩模型在压缩比为768时实现了零样本rFID值为3.49,优于Cosmos(压缩比384)的4.57,后者的压缩率仅为WeTok的50%。相关代码和模型已公开,展示了该方法在视觉重建领域的强大潜力。本研究为视觉生成技术提供了新的解决方案,尤其在高压缩比下的高保真重建方面具有重要意义。

📄 中文摘要:
随着3D内容生成技术的快速发展,生成3D资产的质量评估仍然是一个挑战。传统方法主要依赖基于图像的度量标准,并且仅在对象层面上操作,限制了它们捕捉空间一致性、材质真实性以及高保真局部细节的能力。为了解决这些问题,本文提出了Hi3DEval,一个专为3D生成内容设计的层次评估框架。该框架结合了对象层面和部件层面的评估,能够在多个维度上进行整体评估,同时实现细粒度的质量分析。此外,本文还将纹理评估扩展到审美外观之外,明确评估材质的真实性,关注反射率、饱和度和金属感等属性。为了支持这一框架,作者构建了Hi3DBench,一个包含多样化3D资产和高质量标注的大型数据集,并配备了可靠的多代理标注流程。同时,提出了一种基于混合3D表示的3D感知自动评分系统,具体而言,利用基于视频的表示进行对象层面和材质主题评估,以增强时空一致性的建模,并使用预训练的3D特征进行部件层面的感知。大量实验表明,该方法在建模3D特性方面优于现有的基于图像的度量标准,并且在与人类偏好的对齐性上表现出色,为手动评估提供了一个可扩展的替代方案。研究结果表明,Hi3DEval在3D生成内容的质量评估中具有显著优势,为未来的研究和应用奠定了基础。

📄 中文摘要:
本文提出了一种自监督的野外图像重新照明方法,实现了完全可控的、基于物理的照明编辑。通过结合传统渲染的物理精度与神经渲染实现的逼真外观,该方法能够在单目几何和内在成分估计的基础上,推断出给定场景的彩色网格表示。这种表示允许用户在三维空间中定义所需的照明配置,并通过路径追踪引擎渲染出在新照明条件下的场景。随后,利用前馈神经渲染器对初步渲染结果进行处理,预测最终的逼真重新照明效果。作者开发了一种可微分渲染过程,用于重建野外场景照明,从而实现神经渲染器在原始图像集合上的自监督训练。该方法在将典型三维计算机图形工具(如Blender)中可用的显式物理光照控制引入野外重新照明方面迈出了重要一步。研究背景在于解决现有重新照明技术在物理准确性和视觉真实性之间的平衡问题,主要方法包括场景几何与内在成分的推断、基于路径追踪的渲染以及神经网络的优化训练。关键发现表明,该方法能够在无需人工标注的情况下,通过自监督学习实现高质量的照明编辑效果,尤其是在复杂野外场景中表现出色。结论指出,该技术为图像编辑和虚拟现实等领域提供了新的可能性,尽管在极端照明条件下的鲁棒性仍需进一步改进。

📄 中文摘要:
三维高斯溅射(3D Gaussian Splatting, 3DGS)技术在实现快速且高质量的渲染方面展现了显著优势。作为一种广泛使用且易于获取的三维表示形式,点云与高斯之间的转换变得日益重要。已有研究探索了如何将带有颜色的点云转换为高斯,但直接从无色三维点云生成高斯仍是一个未解决的挑战。本文提出了一种新颖的方法GAP(Gaussianize Any Point Clouds),通过文本引导将原始点云高斯化为高保真的三维高斯。GAP的核心思想是设计一个多视角优化框架,利用深度感知的图像扩散模型合成不同视角下的一致外观。为了确保几何精度,GAP引入了一种表面锚定机制,在优化过程中有效约束高斯点位于三维形状的表面上。此外,GAP还采用基于扩散的修复策略,专门针对难以观察的区域进行补全。本文在点云到高斯的生成任务上对GAP进行了评估,测试涵盖了从合成点云到具有挑战性的真实世界扫描数据,甚至大规模场景的不同复杂性级别。实验结果表明,GAP在生成高质量三维高斯方面表现出色,为点云到高斯的转换提供了一种有效的解决方案。这一研究不仅填补了无色点云高斯化的技术空白,也为三维渲染和建模领域提供了新的工具和思路。项目页面:https://weiqi-zhang.github.io/GAP。

📄 中文摘要:
冷冻电镜(cryo-EM)作为结构生物学的重要工具,能够以近原子分辨率确定大分子结构。其核心计算任务是从大量未知取向的噪声二维投影中重建分子的三维静电势。高斯混合模型(GMMs)为分子密度提供了连续、紧凑且具有物理可解释性的表示,近年来在cryo-EM重建中引起了关注。然而,现有方法依赖于外部共识图或原子模型进行初始化,限制了其在独立流程中的应用。为解决这一问题,本文提出了cryoGS,一种基于GMM的方法,将高斯溅射与cryo-EM成像的物理原理相结合。具体而言,作者开发了一种正交投影感知的高斯溅射技术,并进行了多项适应性改进,如引入归一化项和与快速傅里叶变换(FFT)对齐的坐标系统,以适应cryo-EM成像的需求。这些创新使得cryoGS能够直接从原始cryo-EM粒子图像出发,使用随机初始化进行稳定且高效的同质重建。在真实数据集上的实验结果验证了cryoGS相较于代表性基准方法的有效性和鲁棒性。该研究为cryo-EM重建提供了一种无需外部初始化的自包含解决方案,具有重要的应用潜力。代码将在论文发表后发布。

📄 中文摘要:
本文研究了在给定一组重叠的局部视图(补丁)数据集的情况下,寻找一种刚性对齐方法以最小化基于2-范数的对齐误差的问题。由于视图通常存在噪声,完美的对齐可能并不存在。作者基于某一矩阵的核和正定性,刻画了噪声环境下对齐的非退化性质,并提出了一种多项式时间算法来测试给定对齐的非退化性。随后,研究聚焦于使用黎曼梯度下降法最小化对齐误差,并给出了算法局部线性收敛到对齐的充分条件。此外,作者还对算法的精确恢复和噪声稳定性进行了分析。在无噪声视图的情况下,存在完美的对齐,从而得到尊重视图几何的点实现。作者证明,在视图满足温和条件的情况下,非退化的完美对齐表征了实现的无穷小刚性,进而表征了通用实现的局部刚性。通过将非退化条件特化到无噪声情况,作者推导出了视图重叠结构对于完美对齐非退化性以及实现无穷小刚性的必要和充分条件。同时,关于完美对齐的唯一性和全局刚性也得出了类似的结果。本研究为刚性对齐问题提供了理论基础和实用算法,对计算机视觉和图形学中的多视图几何问题具有重要意义。

📄 中文摘要:
本文提出了一种从多视角图像进行3D网格重建的新方法。该方法受到大型重建模型(如LRM)的启发,LRM采用基于Transformer的三平面生成器和在多视角图像上训练的神经辐射场(NeRF)模型。然而,本研究对LRM架构进行了多项重要改进,显著提升了3D重建质量。首先,作者分析了原始LRM架构的不足,并提出了相应的改进措施,从而改进了多视角图像表示,并提高了训练的计算效率。其次,为了提升几何重建质量并实现全图像分辨率的监督,作者以可微分的方式从NeRF场中提取网格,并通过网格渲染对NeRF模型进行微调。这些改进使该方法在2D和3D评估指标上均达到了最先进的性能,例如在Google Scanned Objects(GSO)数据集上取得了28.67的峰值信噪比(PSNR)。尽管取得了优异的结果,该前馈模型在重建复杂纹理(如资产上的文本和肖像)时仍存在困难。为解决这一问题,作者引入了一种轻量级的每实例纹理精炼程序。该程序利用输入的多视角图像,在网格表面上对三平面表示和NeRF颜色估计模型进行微调,仅需4秒即可完成。这一精炼过程将PSNR提升至29.79,并实现了对复杂纹理(如文本)的忠实重建。此外,该方法还支持多种下游应用,包括文本或图像到3D的生成。

📄 中文摘要:
近年来,文本到3D生成技术取得了显著进展,但当前方法常常面临几何不一致性问题,即所谓的'Janus问题'。本文深入分析了Janus问题的根本原因,发现其源于扩散模型中的视点生成偏差,导致生成的实际视点与优化3D模型所需的预期视点之间存在显著差距。为解决这一问题,作者提出了一种无需调参的方法——注意力与CLIP引导(ACG)机制。ACG通过自适应控制交叉注意力图增强期望视点,利用基于CLIP的视图-文本相似性过滤错误视点,并采用分阶段提示的粗到精优化策略逐步改进3D生成效果。大量实验表明,该方法在不影响生成速度的前提下显著减少了Janus问题,使ACG成为现有文本到3D框架中高效、即插即用的组件。研究结果展示了ACG在提升3D生成一致性方面的潜力,为解决几何不一致性问题提供了新的思路,同时也为未来的文本到3D生成技术发展奠定了基础。通过结合注意力机制和CLIP模型的强大能力,ACG方法在保持生成效率的同时有效提升了生成质量,特别是在多视点一致性方面表现尤为突出。作者还讨论了该方法的局限性及未来改进方向,例如在更复杂的场景中进一步优化视点选择策略。

📄 中文摘要:
在专业3D资产创建中,常常需要使用多样化的雕刻笔刷来增加表面细节和几何结构。尽管3D生成技术近年来取得了显著进展,但生成可重复使用的、与艺术家工作流程兼容的雕刻笔刷仍然是一个开放且具有挑战性的问题。这些雕刻笔刷通常以向量位移图(VDM)的形式表示,而现有模型难以像生成自然图像那样轻松生成VDM。本文提出了一种新颖的框架Text2VDM,通过基于分数蒸馏采样(SDS)引导的密集平面网格变形,从文本生成VDM笔刷。原始的SDS损失函数是为生成完整对象设计的,在笔刷生成中难以从头生成理想的子对象结构,作者将其称为语义耦合问题。为解决这一问题,作者引入了提示词令牌的加权混合方法改进SDS,从而实现了更准确的目标分布和语义引导。实验表明,Text2VDM能够生成多样化、高质量的VDM笔刷,用于雕刻表面细节和几何结构。这些生成的笔刷可以无缝集成到主流建模软件中,支持多种应用,如网格风格化和实时交互建模。通过这一框架,Text2VDM为3D艺术家提供了更高效的工具,显著提升了创作过程中的灵活性和表现力。研究结果不仅展示了文本到VDM生成的可行性,也为未来的3D内容生成技术提供了新的思路和可能性。

📄 中文摘要:
近年来,文本到图像扩散模型的发展得益于大量成对2D数据的可用性。然而,由于高质量3D数据的稀缺,3D扩散模型的发展受到限制,其性能相较于2D模型表现不佳。为解决这一挑战,本研究提出了一种方法,将预训练的2D扩散模型重新用于3D对象生成。研究团队引入了高斯图谱(Gaussian Atlas),这是一种利用密集2D网格的新型表示方法,能够对2D扩散模型进行微调以生成3D高斯结构。该方法成功实现了从预训练2D扩散模型到从3D结构展平的2D流形的迁移学习。为了支持模型训练,研究团队构建了GaussianVerse数据集,这是一个包含205,000个高质量3D高斯拟合的多样化3D对象的大型数据集。实验结果表明,文本到图像扩散模型可以有效适应3D内容生成,弥合了2D与3D建模之间的差距。这一研究展示了将现有2D模型资源应用于3D生成任务的潜力,为3D内容生成领域提供了新的思路和工具。研究的关键发现包括:通过高斯图谱表示,2D扩散模型能够在3D生成任务中保持较高的生成质量;同时,GaussianVerse数据集为未来的3D扩散模型研究提供了宝贵的资源。总之,本研究为解决3D数据稀缺问题提供了一种创新的解决方案,并为2D到3D的跨领域迁移学习开辟了新的可能性。

📄 中文摘要:
移动视界估计(MHE)是一种基于优化的方法,旨在在移动时间视界内估计动态系统的状态。然而,传统MHE方法由于问题复杂性和时间视界长度的增加导致的维度诅咒,计算成本变得极高。为解决这一问题,本文提出了一种新型的高效计算算法,用于解决非线性MHE问题。首先,作者引入了一种利用时间分割技术的分布式重构方法,并基于此开发了高效的高斯-牛顿增广拉格朗日交替方向不精确牛顿法(ALADIN),以实现计算效率的提升。此外,针对某些子问题求解器计算能力有限的情况,作者提出了高效的灵敏度辅助ALADIN方法,允许子问题不精确求解而不影响整体计算效率。进一步地,对于子问题求解器完全缺乏计算能力的情景,作者提出了一种分布式序列二次规划(SQP)方法,仅依赖于局部目标函数的一阶和二阶信息。本文通过对差分驱动机器人这一实际非线性MHE问题的数值实验,验证了所提出方法的性能和优势。实验结果表明,三种算法在保持高精度的同时显著提高了计算效率,满足了MHE的实时性要求。这一研究为非线性动态系统状态估计提供了重要的计算工具,具有广泛的应用潜力。

📄 中文摘要:
本文提出了一种名为GaSLight的新方法,用于从常规图像生成空间变化的照明效果。该方法首次将常规图像作为3D渲染器中的光源,创新性地采用了HDR Gaussian Splats作为光源表示形式。研究分为两个阶段:第一阶段通过利用扩散模型中嵌入的先验知识,可靠且准确地增强图像的动态范围;第二阶段使用Gaussian Splats对3D照明进行建模,从而实现空间变化的照明效果。实验结果表明,该方法在HDR估计及其在虚拟对象和场景照明中的应用方面达到了最先进的水平。为了便于将图像作为光源的基准测试,作者引入了一个新的数据集,该数据集包含经过校准且未饱和的HDR图像,用于评估图像作为光源的性能。研究结合这一新数据集和文献中现有的数据集对方法进行了评估。GaSLight方法在HDR照明估计的准确性和应用效果上表现出色,为计算机图形学领域中基于图像的照明技术提供了新的可能性,同时也为虚拟现实和增强现实中的真实感渲染提供了重要支持。作者还提供了项目页面以供进一步研究和验证。总体而言,该研究在理论创新和实际应用上均具有重要价值,为后续相关研究奠定了基础。

📄 中文摘要:
本文提出了一种名为WeatherEdit的新型天气编辑流程,用于在3D场景中生成具有可控类型和严重程度的逼真天气效果。该方法主要分为两个核心部分:天气背景编辑和天气粒子构建。在天气背景编辑方面,作者引入了一种一体化适配器,将多种天气风格集成到一个预训练的扩散模型中,从而能够在2D图像背景中生成多样化的天气效果。在推理阶段,设计了一种时间-视图(TV-)注意力机制,按照特定顺序聚合时间和空间信息,确保多帧和多视图图像编辑的一致性。在天气粒子构建方面,首先利用编辑后的图像重建3D场景,然后引入动态4D高斯场来生成场景中的雪花、雨滴和雾气。通过基于物理的建模和仿真精确控制这些粒子的属性和动态,确保天气表现的真实性并实现灵活的严重程度调整。最后,将4D高斯场与3D场景集成,以渲染一致且高度逼真的天气效果。在多个驾驶数据集上的实验表明,WeatherEdit能够生成多样化的天气效果,并实现可控的条件严重程度,凸显了其在恶劣天气下的自动驾驶仿真中的潜力。该研究为3D场景中的天气效果生成提供了一种创新且实用的解决方案,具有重要的应用价值。

📄 中文摘要:
在果园中进行精确的3D水果计数是一项具有挑战性的任务,主要由于严重的遮挡、水果与周围结构之间的语义模糊以及体积重建的高计算成本等问题。传统的处理流程通常依赖于多视图2D分割和密集体积采样,这会导致累积的融合误差和推理速度慢。本研究提出了FruitLangGS,一个基于语言引导的3D水果计数框架,通过自适应密度高斯分割管道、半径感知剪枝和基于瓦片的栅格化技术,重建果园规模的场景,实现可扩展的3D表示。在推理过程中,每个高斯点嵌入的压缩CLIP对齐语义向量通过双阈值余弦相似性机制进行过滤,提取与目标提示相关的Gaussians,同时抑制常见干扰物(如树叶),无需重新训练或图像空间掩码。选定的Gaussians被采样为密集点云,并通过几何聚类估算水果实例,即使在严重遮挡和视角变化下也能保持鲁棒性。在九个不同果园规模数据集上的实验表明,FruitLangGS在实例计数召回率方面始终优于现有流程,避免了多视图分割融合误差,并在Pfuji-Size_Orch2018果园数据集上实现了高达99.7%的召回率。消融研究进一步证实,语言条件语义嵌入和双阈值提示过滤对于抑制干扰物和提高严重遮挡下的计数精度至关重要。此外,该框架还支持无需重新训练的提示驱动3D语义检索,凸显了语言引导的3D感知在可扩展农业场景理解中的潜力。

📄 中文摘要:
本文提出了一种名为SteerPose的神经网络方法,旨在解决多相机系统中自由移动的人类或动物作为校准目标的问题,同时估计跨视图的对应关系。受人类通过心理旋转二维姿态并将其与目标视图对齐的认知能力的启发,SteerPose能够将二维姿态旋转到另一个视图中,并通过可微匹配技术,在统一的框架内同时实现外部相机校准和对应搜索。作者还引入了一种新的几何一致性损失函数,明确确保估计的旋转和对应关系能够产生有效的平移估计。实验结果在多样化的野外人类和动物数据集上验证了该方法的有效性和鲁棒性。此外,研究展示了SteerPose结合现成的二维姿态估计器和类别无关模型,能够在多相机设置中重建新型动物的三维姿态。这一方法在无需额外校准设备的情况下,显著提升了多相机系统的灵活性和实用性,为计算机视觉领域中三维重建和姿态估计提供了新的解决方案。研究的关键发现表明,SteerPose不仅适用于已知类别的对象,还能泛化到未知类别,具有广泛的应用潜力。结论指出,该方法在动态场景下的多视图姿态估计和相机校准任务中展现了优越性能,未来可进一步扩展到更复杂的环境和应用场景。

📄 中文摘要:
本文提出了一种新方法,用于从单个关节物体的点云序列中联合解决部分分割和运动估计这两个基本问题。研究背景在于,传统的点云分析方法通常假设点云由一组固定的运动点生成,但本文考虑了更复杂的场景,即点云可能是物体表面在每个时间步的任意采样。这种情况常见于物体发生严重遮挡或数据由多个异步传感器采集时。针对这一挑战,作者提出了一种基于紧凑且有效的表示方法,将物体表示为一组由三维高斯模型构成的简单构建块,并通过随时间变化的旋转、平移和缩放参数对这些高斯模型进行参数化。这些参数在所有时间步长中共享,从而实现部分分割和运动估计。具体方法是通过建立观测点与高斯模型之间的对应关系来实现部分分割,同时通过跟踪分配的高斯模型的姿态变化来获取每个点的跨时间变换,即使该点在某些时间步未被观测到。实验结果表明,该方法在性能上优于依赖点对应关系的现有方法。此外,作者通过考虑视点遮挡扩展了现有数据集,以模拟真实世界场景。实验进一步证明,该方法在处理缺失点方面比现有方法更具鲁棒性,即使在某些时间步部分完全被遮挡的情况下,部分分割性能仍比最先进方法高出13%。结论指出,该方法为关节物体运动分析提供了新的视角和解决方案,尤其适用于复杂场景下的点云数据处理。

📄 中文摘要:
本文提出了一种用于植物建模和重建的3D叶片神经参数化模型NeuraLeaf,这在农业和计算机图形学领域具有重要意义。虽然神经参数化模型在人类和动物建模中已被广泛研究,但植物叶片因其多样的形状和灵活的变形特性带来了独特挑战。为解决这一问题,NeuraLeaf通过将叶片的几何形状解耦为2D基础形状和3D变形,创新性地处理了叶片建模的复杂性。这种表示方法充分利用了丰富的2D叶片图像数据集来学习基础形状,同时实现了与几何形状对齐的纹理学习。为了建模3D变形,本文提出了一种新颖的无骨架蒙皮模型,并创建了一个新捕获的3D叶片数据集DeformLeaf。实验结果表明,NeuraLeaf能够成功生成具有变形特性的多种叶片形状,并对3D观测数据(如深度图和点云)实现了精确的模型拟合。作者还公开了实现代码和数据集,为后续研究提供了宝贵资源。研究展示了NeuraLeaf在植物建模中的潜力,尤其是在农业监测、虚拟现实和游戏开发中的应用前景。通过解耦形状和变形,该模型为复杂植物结构的数字化提供了新的思路,同时也为基于神经网络的几何建模技术开辟了新的研究方向。总体而言,本文的研究为植物建模领域提供了创新性解决方案,具有较高的学术价值和应用潜力。

📄 中文摘要:
本文提出了一种利用自监督学习(SSL)解决音高估计问题的新方法。研究聚焦于音高转调的等变性,这一特性使得模型仅需在少量未标记数据集上训练即可在单声道音频上实现精确的音高估计。作者设计了一个轻量级的Siamese神经网络(参数少于30k),该网络以同一音频的两种不同音高偏移版本作为输入,输入数据以常数Q变换(Constant-Q Transform)表示。为了避免在仅编码器设置下模型崩溃,作者提出了一种新颖的基于类别的转调等变目标函数,用于捕捉音高信息。此外,网络架构通过引入可学习的Toeplitz矩阵被设计为转调保持的,从而进一步增强模型对音高变化的鲁棒性。实验结果表明,该方法在小规模未标记数据集上的训练即可达到高精度的音高估计效果,展现了自监督学习在音频处理领域的潜力。研究的关键发现包括:通过转调等变目标和特定架构设计,模型能够有效提取音高特征,并在资源受限的情况下表现出色。结论指出,该方法为音高估计任务提供了一种高效且低成本的解决方案,可能适用于更广泛的音频分析应用场景,同时也为自监督学习在信号处理中的应用开辟了新的研究方向。

📄 中文摘要:
随着科学计算的进步,计算机实验越来越多地被用于优化复杂系统。然而,在现代应用中,例如核物理探测器的优化,每次实验运行可能需要数百个CPU小时,使得在高维空间上优化其黑盒模拟器成为一项挑战。给定有限的输入点运行结果,单纯从已评估输入中选择最优解(即“挑选赢家”策略,PW)往往远非最优,尤其是在维度增加时。现有的黑盒优化方法大多采用这种PW策略,导致优化性能平庸。为解决这一问题,本文提出了一种基于边际均值(BOMM)的黑盒优化方法。其核心思想是利用边际均值函数构建全局最优解的新估计器,该函数可在高维空间中以有限运行次数高效推断。与PW不同,BOMM估计器能够选择超出已评估输入的解,从而显著提升优化性能。在假设目标函数遵循广义加性模型(具有未知链接函数)并满足温和条件的前提下,本文证明了BOMM估计器不仅在优化上是一致的,而且其优化速率能够缓解现有方法面临的“维度诅咒”,从而在维度增加时表现出更好的性能。本文还提出了一个使用变换加性高斯过程代理模型实现BOMM的实用框架。最后,通过数值实验和核物理中中微子探测器优化的应用,验证了BOMM方法的有效性。研究结果表明,BOMM在高维黑盒优化问题中具有显著优势,为复杂系统优化提供了新的思路和工具,尤其适用于计算资源受限的场景。

📄 中文摘要:
自然实验是应用经济学的重要基石,为估计因果效应提供了令人信服的处理随机化依据,但对因果效应背后的机制揭示不足。因果中介(CM)分析提供了一个分析机制的框架,通过识别平均直接效应和间接效应(CM效应)来研究因果路径。然而,传统的CM方法要求相关中介变量近似随机分配。当个体基于成本和收益选择中介变量(如是否就医或上大学)时,这一假设不成立,传统CM分析可能产生偏差。本研究提出了一种控制函数策略,利用中介变量参与成本的工具变量变异,在选择由未观察到的收益驱动时,提供无偏的直接和间接效应估计。该方法通过中介变量的边际效应识别CM效应,采用参数化或半参数化估计方法,分两个阶段实施,操作简便。将该方法应用于俄勒冈州健康保险实验的数据分析中发现,医疗补助彩票对自我报告的健康和幸福感的影响有很大一部分是通过增加医疗服务使用实现的,而传统CM分析会误判这一效应。该方法为应用研究者提供了一种替代方案,用于在初始处理准随机分配但中介变量非随机分配的自然实验中估计CM效应。这种情况在自然实验中较为常见,为揭示因果机制提供了新的工具和视角。

📄 中文摘要:
扫描电子显微镜(SEM)是一种广泛应用于科学研究和工业领域的成像设备。传统的二维(2D)SEM图像无法直接揭示微观样本的三维(3D)形貌,因此推动了SEM 3D表面重建方法的发展。然而,由于离散3D表示的局限性、需要参考样本进行校准以及阴影引起的梯度误差,现有方法在复杂微结构的重建中仍面临挑战。本研究提出了一种基于神经场的混合SEM 3D重建方法(NFH-SEM),该方法以多视角、多探测器的2D SEM图像为输入,将几何和光度信息融合到连续的神经场表示中。NFH-SEM通过端到端的自校准消除了手动校准步骤,并在训练过程中自动分离SEM图像中的阴影,从而实现对复杂微结构的高精度重建。我们在真实和模拟数据集上验证了NFH-SEM的有效性。实验结果表明,该方法在多种具有挑战性的样本(如双光子光刻微结构、桃花粉和碳化硅颗粒表面)上实现了高保真的重建,展现了精确的细节再现和广泛的适用性。这一方法不仅克服了传统方法的局限性,还为微观结构的3D分析提供了新的工具,具有重要的应用潜力。研究结论表明,NFH-SEM在微结构表面重建领域具有显著的优势,为未来的SEM成像技术发展奠定了基础。

📄 中文摘要:
相对传递函数(RTF)在波束形成中扮演着关键角色,能够有效抑制噪声和干扰。本文针对在噪声和混响环境中在线估计多个声源的RTF向量的问题进行了研究,特别关注声源依次激活的特定场景。对于第一个声源的RTF向量,估计过程较为简单;然而,当多个声源同时激活时,后续声源的RTF向量估计成为主要挑战。盲斜投影(BOP)方法已被提出用于估计新激活声源的RTF向量,通过最优地阻断该声源实现估计。然而,BOP方法存在若干局限性:由于依赖迭代梯度下降优化,计算复杂度较高;引入随机附加向量可能对性能产生负面影响;以及假设信噪比(SNR)较高。为解决这些问题,本文提出了对BOP方法的三个改进。首先,推导了优化BOP代价函数的闭合形式解,显著降低了计算复杂度。其次,引入正交附加向量替代随机向量,提升了RTF向量估计的精度。第三,结合协方差减法和白化技术,增强了在低SNR条件下的鲁棒性。此外,为提供逐帧的声源活动模式估计(传统BOP方法和本文方法均需此信息),本文提出了一种基于空间相干性的在线声源计数方法。通过使用真实混响噪声录音(包含3个依次激活的说话者)进行仿真实验,验证了所提方法的有效性,实验同时考虑了是否具备声源活动模式的先验知识。结果表明,改进后的方法在计算效率、估计精度和噪声鲁棒性方面均优于传统方法,为多声源环境下的波束形成提供了更实用的解决方案。

📄 中文摘要:
在连续变量量子密钥分发(CV-QKD)中,精确的量子信道参数估计对于有效的信息协调至关重要。然而,传统的最大似然(ML)估计方法依赖于大量丢弃数据或导频符号,导致符号效率显著下降。此外,估计与协调阶段的分离可能引入误差传播。本研究提出了一种新颖的联合消息传递方案,在贝叶斯框架内统一了信道参数估计和信息协调。通过利用期望最大化(EM)算法,该方法在解码过程中同时估计未知参数,消除了对单独ML估计的需求。此外,本文还引入了一种混合多维旋转方案,消除了对范数反馈的要求,显著降低了经典信道开销。据作者所知,这是首次在CV-QKD中统一多维协调与信道参数估计的工作,为高效率协调提供了实用解决方案,最大限度地减少了导频符号的使用。研究结果表明,该方法不仅提高了符号效率,还通过联合优化减少了误差传播,为CV-QKD的实际应用提供了重要的技术支持。作者通过理论分析和仿真验证了该方案的有效性,展示了其在量子通信中的潜在应用价值。总之,本研究为量子密钥分发的效率提升和实用化迈出了重要一步。

📄 中文摘要:
本文研究了在复值模数下具有错误余数的复值中国剩余定理(C-CRT),特别针对错误余数服从包裹复高斯分布的情况。近年来,提出了一种多通道自重置模数-数字转换器(ADC)系统,该系统通过中国剩余定理(CRT)实现了对高动态范围复值带限信号的低采样率恢复。本文基于已有的实值CRT最大似然估计(MLE)方法,提出了一种快速的基于MLE的复值CRT算法(MLE C-CRT)。该算法仅需进行2L次搜索即可获得公共余数的最优估计,其中L为模数数量。一旦公共余数被估计出来,复数即可通过C-CRT确定。此外,本文还推导出了快速MLE C-CRT实现鲁棒估计的充要条件。最后,将所提出的算法应用于ADC系统中,实验结果表明,该算法在性能上优于现有方法,展现了其在信号处理领域的应用潜力。通过对错误余数的建模和优化估计,本研究为复值信号的鲁棒恢复提供了新的理论支持和实用工具,尤其在低采样率条件下对高动态范围信号的重建具有重要意义。结论表明,快速MLE C-CRT算法不仅提高了估计精度,还显著降低了计算复杂度,为相关领域的进一步研究奠定了基础。

📄 中文摘要:
本文针对可重构智能表面(RIS)辅助的宽带系统中的信道估计问题,提出了一种双结构多维变换(DS-MDT)算法。研究背景在于RIS技术作为一种新兴的无线通信技术,能够通过动态调整反射特性显著提升信道质量,尤其是在多用户多输入多输出(MU-MIMO)系统中。然而,复杂的信道环境和多维参数分布对信道估计提出了挑战。作者提出的DS-MDT算法充分利用了信道参数的双结构特性,特别关注信道条件较差的用户,通过增强估计性能来提升系统整体效率。同时,针对接收张量中分布于多个维度的信道参数,该算法采用多维变换技术,有效分离和提取不同的参数。数值仿真结果表明,与现有最先进方法相比,DS-MDT算法在保持较低计算复杂度的同时,将归一化均方误差(NMSE)降低了高达10 dB。这一结果验证了该方法在复杂信道环境下的优越性,为RIS辅助MU-MIMO系统的信道估计提供了新的解决方案。作者还讨论了算法的适用性和潜在的实际应用场景,指出其在未来5G及6G网络中的重要价值。总之,本研究在理论和实践上均具有重要意义,为提升无线通信系统的性能提供了创新思路。

📄 中文摘要:
本文研究了在欧几里得球面上,如何确定独立标准高斯方向的超平面数量,以实现对球面子集S的δ-均匀分割。所谓δ-均匀分割,指的是对于S中的任意两点,分割它们的超平面比例与其测地距离之间的差值不超过δ。先前的猜想认为,需要δ^{-2}w_*(S)^2个高斯随机超平面即可实现这一目标,其中w_*(S)是S的高斯复杂性。然而,本研究通过构造一个特定的子集S,证明了这一猜想并不成立。研究发现,对于该子集S,需要δ^{-3}w_*(S)^2个高斯超平面才是必要且充分的条件。这一结果推翻了原有的猜想,揭示了高斯超平面分割问题中复杂性与分割精度之间的更深层关系。作者通过严谨的数学推导和构造方法,详细分析了高斯复杂性与分割需求之间的依赖性,为球面几何概率领域提供了新的理论洞见。此外,本研究还探讨了这一结果对相关几何分割问题的潜在影响,并为未来研究指明了方向,例如如何在更一般的几何结构中验证或调整这一结论。

📄 中文摘要:
线性混合模型(LMM)在全基因组关联研究(GWAS)中被广泛用于解决群体分层和隐性亲缘关系问题。然而,LMM的参数估计由于涉及大规模遗传相似性矩阵(GSM)的运算,带来了显著的计算负担。本研究提出了一种新颖的近精确线性混合模型(NExt-LMM)框架,通过关键创新克服了GWAS中的计算瓶颈。首先,研究利用GSM固有的低秩结构,结合分层非对角低秩(HODLR)格式进行迭代计算,显著优于传统分解方法的计算速度。其次,通过HODLR近似的GSM,结合共享遗传率比,大幅加速了最大似然估计的计算过程。此外,研究为NExt-LMM估计器建立了严格的误差界限,证明近似估计器与精确估计器之间的Kullback-Leibler散度可以任意小。因此,所提出的双重方法在保证低近似误差的同时,显著加速了LMM的推断过程。数值实验表明,NExt-LMM在推断效率上相较于现有方法有显著提升。研究团队开发了一个Python软件包,可通过https://github.com/ZhibinPU/NExt-LMM获取。这一方法为GWAS中的高效计算提供了重要工具,可能对相关领域的研究产生深远影响。

📄 中文摘要:
本文提出了一种名为ridgeBART的新方法,旨在解决贝叶斯加法回归树(BART)模型在非参数回归中只能产生不连续输出的局限性。BART作为一种高效、易用且日益流行的工具,其应用受到输出不连续性的限制。早期克服这一局限的尝试基于输出高斯过程而非常数的回归树,但这些扩展方法无法适应大规模数据集。ridgeBART通过构建输出岭函数线性组合的树(即输入的仿射变换与非线性组合)扩展了BART,实质上构建了一个单隐藏层局部神经网络的贝叶斯集成。本文开发了一种新的MCMC采样器,以线性时间更新树结构,并建立了后验收缩率,用于估计分段各向异性Hölder函数,同时在估计各向同性Hölder函数时接近最小最大最优率。实验结果表明,ridgeBART在合成数据上表现出色,并且被用于以空间平滑的方式估计职业篮球运动员在球场任意位置投篮命中的概率。通过这种方法,ridgeBART不仅保留了BART的灵活性和预测能力,还实现了输出的平滑性,为处理复杂非线性关系提供了新的工具。研究结果表明,该方法在大规模数据和实际应用中具有显著的优势,为非参数回归领域提供了重要的技术进步。

📄 中文摘要:
本文研究了同伴效应估计中的弱识别问题,特别是在社会现象中个体行为与同伴行为的相关性。研究背景聚焦于网络线性均值模型,这是一种常用的统计模型,通过将邻域平均特征作为回归变量来纳入同伴效应。尽管在网络结构的温和条件下模型参数是可识别的,但在大样本“填充”渐近设定下,即单个网络规模不断增长时,识别是否能保证可靠估计仍不明确。研究发现,当协变量为独立同分布且网络节点的平均度随人口规模增加时,标准估计量由于网络平均引起的渐近共线性而遭受偏差或收敛速度缓慢的问题。作为替代方案,作者提出了基于邻域特征总和而非平均值的线性总和模型,并证明只要网络度具有一定的非平凡变异性(大多数网络模型均满足此条件),该模型就不会出现上述问题。研究通过理论分析和推导,揭示了弱识别对估计的影响,并为同伴效应研究提供了更稳健的估计方法。结论指出,线性总和模型在处理大规模网络数据时具有显著优势,为未来的社会网络分析和同伴效应研究提供了重要的方法论支持。

📄 中文摘要:
本文研究了使用惯性测量单元(IMU)进行方向估计的问题,重点分析了除重力外的加速度对估计算法性能的影响。研究表明,由旋转加速度引起的线性加速度不能简单地被视为需要抑制的外部干扰,而是会改变滤波器本身的动态行为。具体而言,这种影响会在线性化传递函数中引入额外的零点,导致非最小相位行为,而这种行为对控制系统设计构成了挑战。作者通过实验验证了这一发现,并进一步分析了Mahony和Madgwick滤波器在降低加速度影响的同时会牺牲带宽的特性。此外,研究还指出,基于预采集数据的验证方案无法准确捕捉闭环效应。本文的理论分析和实验结果揭示了方向估计中角加速度影响的本质,为改进IMU方向估计算法提供了重要参考。研究结论强调了在设计滤波器时需充分考虑动态行为的变化,以应对非最小相位行为的挑战,并为未来的算法优化和实际应用提供了理论支持。

📄 中文摘要:
本文提出了一种基于特别设计的局部核的信号处理方法,用于在噪声条件下进行参数恢复。研究主要包括两种方法:第一种方法针对多维指数模型中的频率和幅度估计,采用局部三角多项式核来检测多变量频率,随后进行更详细的参数估计。通过与经典的基于子空间的算法MUSIC和ESPRIT进行比较,发现该方法在单变量情况下,在低信噪比环境下表现优于MUSIC和ESPRIT。在多变量情况下,研究开发了一种基于坐标投影和配准的方法,该方法使用比其他方法显著更少的样本即可实现高恢复精度。研究背景聚焦于信号处理领域中参数估计的挑战,尤其是在噪声干扰下的准确性问题。通过设计局部核,作者成功提高了参数估计的鲁棒性和效率。关键发现表明,局部核方法在低信噪比环境下具有显著优势,尤其是在多维信号处理中,样本需求量大幅减少,同时保持了高精度。结论指出,该方法为信号处理中的参数恢复提供了一种新的有效工具,尤其适用于复杂多维信号环境下的应用场景。未来的研究可以进一步优化核设计以适应更广泛的信号类型和噪声模型。

📄 中文摘要:
本文提出了一种基于场构型的温度估计方法,用于格子规范理论研究。该方法通过欧几里得作用量的梯度和Hessian矩阵构建,借鉴了经典统计力学中熵的几何表述,旨在为蒙特卡洛模拟中的热力学一致性提供一种规范不变、非动力学的诊断工具。研究在紧凑U(1)格子规范理论中验证了该方法,覆盖了一维、二维和四维情况,并将估计温度与输入温度进行了比较。结果表明,该估计器能够精确重现输入温度,并且在不同格子体积和耦合强度下表现出鲁棒性。此外,该温度估计器不仅适用于一般格子场论模拟,还具有扩展至非阿贝尔理论、各向异性格子以及混合蒙特卡洛算法实时监控的潜力。研究的关键发现是该方法在多种条件下均能提供可靠的温度估计,为数值模拟的稳定性和一致性检查提供了有效工具。作者进一步讨论了该估计器在更复杂理论和实际应用中的可能价值,强调其作为通用诊断工具的重要性。总之,本文提出的温度估计方法为格子规范理论的数值模拟提供了一种创新且实用的解决方案,有助于提升模拟结果的可靠性和物理意义。

📄 中文摘要:
本文研究了在交错采用面板数据中,使用截距增强的合成控制方法(SCM)估计处理组的平均处理效应(ATT)。作者提出了一种基于加权平行趋势并结合截距偏移的估计方法,并证明在权重向量具有非退化分散性以及前处理时间长度不断增加的条件下,即使存在重尾冲击,该估计器仍具有一致性。相比于Ben-Michael、Feller和Rothstein(2022)所假设的轻尾自回归或低秩因子模型,本文的条件更具可解释性,并且扩展了有效数据生成过程(DGP)的范围。此外,本文还讨论了支持这些假设的实用诊断方法,并将研究结果置于近期关于合成控制与差分法(SC + DiD)混合方法的文献背景中。通过理论分析和诊断工具的结合,本文为合成控制方法在处理复杂数据环境下的应用提供了新的视角和支持。研究的关键发现表明,在更广泛的假设条件下,截距增强的合成控制估计器能够有效应对数据中的异质性和不确定性,为政策评估和因果推断提供了更稳健的工具。结论指出,这种方法不仅在理论上具有一致性保证,而且在实际应用中也具有较强的适应性,尤其适用于具有交错处理时间和潜在重尾分布的数据场景。

📄 中文摘要:
本文受爱荷华氟化物研究(Iowa Fluoride Study, IFS)的启发,针对牙齿氟斑病(一种由牙釉质形成期间过量氟暴露引起的疾病)进行了深入分析。该研究追踪了儿童至青年时期(9、13、17和23岁)的氟摄入量和牙齿健康状况,发现牙齿表面氟斑病评分呈现零膨胀、聚类和纵向有序特征。为此,作者开发了一种统一的建模框架,利用广义估计方程(GEE)分别构建了氟斑病存在与否及其严重程度的模型,并提出了一个通过共享协变量连接这两个部分的组合模型。为了提高估计效率并在不同时间点间借用信息,作者引入了James-Stein收缩估计量。此外,研究比较了多种工作相关结构,包括数据驱动的jackknifed结构,并通过秩聚合方法进行模型选择。模拟研究验证了所提出模型在有限样本中的表现,而基于bootstrap的功率分析进一步确认了检验程序的有效性。在对IFS数据的分析中,研究发现早期总日氟摄入量、家中平均水氟浓度以及特定牙齿和区域是牙齿氟斑病的重要风险因素。上颌侧切牙和靠近牙龈的区域在不同年龄段表现出保护效应。这些发现揭示了早期暴露与牙齿氟斑病进展至成年早期的年龄特异性关联,为公共健康干预提供了重要依据。

📄 中文摘要:
本文提出了一种结合闭合检验框架与安全随时有效推断(SAVI)概念的方法,用于在多重检验情境中计算真实发现比例的下置信界。所提出的方法能够为所有可能的假设子集提供在每个观测时间点均有效的置信界,并且这些置信界是同时有效的。虽然假设随时间保持固定,但感兴趣的子集可以变化。随时有效的同时置信界允许我们随时间顺序更新置信界,并支持可选停止。这一特性在实际应用中非常有价值,特别是在神经科学等领域,因为数据获取成本高且耗时长。此外,本文还提出了一种计算捷径,使得该方法在大规模假设数量下应用变得可行。通过模拟研究展示了该方法的性能,并提供了一些关于该方法实施的实用指南。研究背景在于多重检验中真实发现比例的置信界估计问题,这在统计推断中是一个重要且具有挑战性的课题。传统方法往往无法同时满足随时有效性和对多个假设子集的置信界要求,而本文的方法通过结合闭合检验和SAVI,成功克服了这一局限性。关键发现表明,该方法不仅在理论上保证了置信界的有效性,还在模拟实验中表现出良好的性能,尤其是在动态数据收集场景下。结论指出,该方法为多重检验中的置信界估计提供了一种新颖且实用的工具,特别是在需要灵活停止实验的设计中具有重要应用前景。

📄 中文摘要:
本文研究了无向图模型在处理高维变量复杂关系中的应用,特别针对数据天然呈现矩阵形式的情况(如时间多变量数据)提出了一种全新的结构恢复方法。研究背景源于无向图模型在揭示变量间依赖关系方面的强大能力,而矩阵变量数据的特殊结构对传统方法提出了挑战。作者提出了一种基于邻域选择的图估计方法,通过分析矩阵数据的行和列依赖关系,构建能够准确反映变量间关联的图结构。主要方法包括利用矩阵分解技术对数据进行降维处理,并结合邻域选择算法识别关键依赖关系,从而恢复完整的图模型结构。研究的关键发现是,该方法在模拟数据和真实数据集上的表现均优于现有方法,尤其是在处理高维稀疏矩阵数据时,能够显著提高结构恢复的精度和计算效率。此外,该方法还展示了较强的鲁棒性,能够适应不同噪声水平的数据环境。结论表明,基于邻域选择的图估计方法为矩阵变量数据的建模提供了一种有效工具,具有广泛的应用前景,特别是在时间序列分析和多变量数据挖掘领域。未来研究可以进一步优化算法以处理更大规模的数据集,并探索其在动态图模型中的应用。