XiaoMi-AI文件搜索系统
World File Search System几何信息
拓扑数据分析的欧拉特征工具
在本文中，我们研究了拓扑数据分析中的欧拉特征技术。逐点计算由数据构建的单纯复形族的欧拉特征会产生所谓的欧拉特征轮廓。我们表明，这个简单的描述符以极低的计算成本在监督任务中实现了最先进的性能。受信号分析的启发，我们计算了欧拉特征轮廓的混合变换。这些积分变换将欧拉特征技术与勒贝格积分相结合，以提供高效的拓扑信号压缩器。因此，它们在无监督环境中表现出色。在定性方面，我们对欧拉轮廓及其混合变换捕获的拓扑和几何信息提供了大量启发式方法。最后，我们证明了这些描述符的稳定性结果以及随机设置中的渐近保证。关键词：拓扑数据分析、机器学习、多参数持久性、欧拉特征轮廓、混合变换
GGS626-001遥感的物理基础（...
本课程旨在为具有有限的地球科学卫星遥感背景的学生提供详尽的介绍，以收集遥感物理原理的基本概念和基础。本课程的主要重点是卫星遥感技术的基本物理和数学原理，包括辐射和几何信息，卫星轨道和地理位置模拟，科学算法设计，大气校正，以及以遥感的遥控感测量。此外，该课程将重点关注NASA，NOAA和USGS当前和未来的卫星仪器。这些学生不仅会了解卫星遥感系统的作用，而且会了解他们的工作方式。本课程旨在通过遥感和应用的物理原理为学生提供全面的最新概述，这不仅用于监测全球和区域氛围，海洋和陆地表面，还用于检测当地目标，例如城市和郊区。气候变化的基于卫星的应用也是另一个重点领域。
使用局部拓扑特征增强图表学习
在图表上的表示是一个基本问题，在各种任务中可能至关重要。图形神经网络是图表学习的主要方法，其表示能力有限。因此，将高阶拓扑和几何信息明确提取并纳入这些模型可能是有益的。在本文中，我们提出了一种原则性的方法，以根据持续同源性理论提取图形的丰富连通性信息。我们的方法利用拓扑特征来增强图形神经网络的表示学习，并在各种节点分类和链接预测基准上实现最先进的性能。我们还探索了拓扑特征的端到端学习的选择，即将拓扑计算视为学习过程中可区分的操作员。我们的理论分析和实证研究为在图形学习任务中采用拓扑特征提供了见解和潜在指南。关键字：持续的同源性，拓扑数据分析，图形神经网络，图表学习，图形同构
基于摄影测量的逆向工程方法...
摘要。机身内部和外部规格是每个飞机制造商密集的智力努力和技术突破的产物。因此，表征飞机主要气动表面的几何信息仍处于保密状态。在尝试对真实飞机进行建模时，航空界的许多成员依靠他们的个人专业知识和通用设计原则来绕过保密障碍并绘制真实飞机翼型，因此由于不同设计师的初始假设，同一架飞机的翼型会有所不同。本文提出了一种摄影测量形状预测方法，用于利用真实飞机机身的可公开访问的静态和动态视觉内容来推导其几何特性。该方法基于提取气动表面和机身之间的整流罩区域的视觉上可区分的曲线。介绍了 B-29 和 B-737 的两个案例研究，展示了如何近似机翼内侧翼型的截面坐标，并证明了复制翼型的几何和气动特性与原始版本之间的良好一致性。因此，本文提供了一种系统的逆向工程方法，将增强飞机概念设计和飞行性能优化研究。
与LIDAR
关键词：点云，激光雷达，无人驾驶飞机，TLS，建筑信息建模，数据集成摘要在建筑构建和管理中使用建筑信息建模（BIM）的使用变得越来越普遍。尽管如此，已经存在的建筑物的BIM模型的产生仍然是需要大量人为努力的操作。几何可靠和完整的BIM模型的生成需要所有建筑部件的几何信息。强烈建议使用独特的采集工具获取此类信息，因此，强烈建议使用不同的采集工具和平台收购数据，以获取对建筑物的几何完整的3D描述。这项工作介绍了将获得与陆地激光扫描（TLS），无人机（无人驾驶航空车辆）激光雷达（光检测和范围）和智能手机与LIDAR相结合的程序，显示了两种案例研究的结果，两座案例研究，在Olsztyn的Olsztyn校园内的两座建筑物。最后，在两个案例研究中都使用Blender软件成功生成了BIM模型。
我们准备好在自动驾驶中进行实时激光雷达语义细分吗？
摘要 - 在自动移动和机器人系统的感知框架内，对Lidars通常生成的3D点云的语义分析是许多应用程序的关键，例如对象检测和识别以及场景重建。场景语义分割可以通过将3D空间数据与专门的深神经网络直接整合在一起来实现。尽管这种类型的数据提供了有关周围环境的丰富几何信息，但它也提出了许多挑战：其非结构化和稀疏性质，不可预测的规模以及苛刻的计算要求。这些特征阻碍了实时半分析，尤其是在资源受限的硬件 - 构造方面，构成了许多机器人应用的主要计算组件。因此，在本文中，我们研究了各种3D语义分割方法，并分析了其对嵌入式NVIDIA JETSON平台的资源约束推断的性能和能力。我们通过标准化的培训方案和数据增强进行了公平的比较，为两个大型室外数据集提供了基准的结果：Semantickitti和Nuscenes。
基于摄影测量的逆向工程方法...
摘要。机身内部和外部规格是每个飞机制造商密集的智力努力和技术突破的产物。因此，表征飞机主要气动表面的几何信息仍处于保密状态。在尝试对真实飞机进行建模时，航空界的许多成员依靠他们的个人专业知识和通用设计原则来绕过保密障碍并绘制真实飞机翼型，因此由于不同的设计师的初始假设，同一架飞机的翼型会有所不同。本文提出了一种摄影测量形状预测方法，用于利用真实飞机机身的可公开访问的静态和动态视觉内容来推导其几何特性。该方法基于提取气动表面和机身之间整流罩区域的视觉上可区分的曲线。介绍了两个关于 B-29 和 B-737 的案例研究，展示了如何近似其机翼内侧翼型的截面坐标，并证明了复制翼型的几何和气动特性与其原始版本之间的良好一致性。因此，本文提供了一种系统的逆向工程方法，以增强飞机概念设计和飞行性能优化研究。
用各向异性...
随着AI生成内容的应用程序（例如Chatgpt和稳定的扩散）的开花，已经对深层生成模型引起了很多关注。扩散概率模型（DPM）是一种创新的图像生成模型，灵感来自热力学中的扩散现象，具有稳定的训练过程和简单的模型结构。然而，基于DPM的图像一代中的一个重要挑战是通过结构，布局和颜色约束来控制输出。当前的方法主要集中于在生成过程中引入额外的分类器或在培训过程中添加条件，这仍然遭受诸如不稳定的生成产出和高培训成本之类的问题。为了探索更好的控制策略，在本论文中，我们提出了一个具有前回溯框架的具有结构的图像生成模型。各向异性扩散[1]将是向前图像退化过程的骨干，条件流匹配方法[2]将用于逆转该过程并生成新图像。各向异性的特性使该模型可以在破坏过程中保留边缘和一般结构，从而可以将几何信息作为条件引入图像生成。