标签
本文提出了一种几何感知的多支撑异构图神经网络，用于精细尺度降雨场重建，融合了点雨量计、路径积分微波链路以及格点雷达/卫星数据的观测。该方法在新加坡数据上相比经典插值方法将RMSE降低了23.2%，并且当降雨场相对于其空间相关长度欠采样时，其增益最为显著。
提出几何感知R结构KAN（GRS-KAN），一种将R函数集成到KAN中以编码几何和逻辑约束的混合神经架构，在含不连续性的回归基准上实现了高达67%的RMSE降低。
RaysUp 是一个超轻量、任务无关的特征上采样框架，利用几何感知射线域技术从低分辨率VFM输出重建高分辨率特征，以比先前工作减少84%的参数和7倍更快的推理速度实现了最先进的性能。
提出REEF-GP，一种事后不确定性量化框架，通过将高斯过程拟合到冻结神经算子的残差上并利用其内部嵌入，以低成本实现几何感知且校准的不确定性。
OmniLoc是一种几何感知的基础模型，用于跨多样化室内环境的无锚点用户设备定位，它采用统一的令牌化模块、几何感知的Transformer和几何嵌入，显著优于现有方法。
GRASP 提出了一种几何感知、基于交互的可扩展预训练数据归因方法，该方法对子集动态进行建模，在任务级秩相关上比现有加性方法提升超过两倍，同时降低了计算成本。
提出GARD，一种基于扩散的框架，在前馈三维重建器的特征空间中操作，从退化输入中联合恢复场景几何和高质量图像。
本文提出用于自然图像的几何感知流匹配方法，将图像视为超球面上的点，并提出了SOT-CFM和SFM方法，通过利用图像数据的球面结构来改进生成建模。
AnyMo是一个几何感知的框架，用于安装无关的人体运动建模，它利用基于物理的IMU模拟和图编码，在零样本活动识别、跨模态检索和运动描述等多个数据集上实现了显著改进。
PanoWorld引入了球形空间交叉注意力机制用于全景推理，解决了多模态大语言模型在360度空间理解中的局限性。它构建了一个大规模管线用于几何感知监督，并提出一个诊断性基准，在多个基准上取得了最先进的结果。
MC-RFM提出了一种新颖的黎曼流匹配框架，用于小样本自适应，该框架在结合双曲空间和欧几里得空间的混合曲率流形上建模特征位移，在多个视觉识别基准上优于现有方法。
AnyRecon 提出了一种可扩展框架，利用具备持久场景记忆与几何感知条件的视频扩散模型，从任意稀疏输入进行 3D 重建。