UC San Diego最新实测:AI超分热成像三维重建,清晰度暴涨却更“不准”?
每次去佛罗伦萨,游客都在仰头看大卫像,而真正的“老司机”却在用热成像扫墙面。UC San Diego团队在千年凉廊上做了一场“硬核实验”:把AI超分拉来重建三维热像模型,结果耐人寻味——
LONGGE AI RESEARCH DAILY
每天筛选值得关注的 AI 论文,用工程视角拆解方法、实验和真正的落地价值。
目前已发表 1573 篇文章
每次去佛罗伦萨,游客都在仰头看大卫像,而真正的“老司机”却在用热成像扫墙面。UC San Diego团队在千年凉廊上做了一场“硬核实验”:把AI超分拉来重建三维热像模型,结果耐人寻味——
医学图像配准领域又迎来一位强力选手!阿尔伯塔大学团队在CVPR 2026上提出SGDIR,仅用半群正则化就搞定了微分同胚配准,彻底摆脱繁琐的积分和辅助约束。严格模式下几乎零折叠,放松模式精度吊打SOTA,训练推理还快一倍。这篇理论扎实、实验全面,值得仔细品味。
一台望远镜阵列,硬是被改造成了“宇宙偏振相机”。这篇论文最有意思的地方,不是某个花哨算法,而是把商业器件、机械装配、标定流程和上天验证串成了一条能落地的工程链。
视频理解模型往往要把每一帧都当成独立图片来处理,这又慢又浪费算力。微软和斯坦福的研究人员直接从视频压缩算法中取经,用轻量级的运动向量和残差代替大部分图像的密集编码,让首帧生成时间快了86%,令牌用量暴减93%,同时性能还不降反升!这个方法与之前的Quickviewer等非均匀采样思路不同,它是在编解码层面做“减法”,从根源上避免了冗余。
这篇论文抓住了一个很工程、也很扎心的问题:SIFT在普通场景里挺能打,一碰到百叶窗、栅栏这类线性结构就容易“眼神失焦”。Hough-SIFT的思路很直接——先把图像搬到Hough空间,再让SIFT去那里找线索。
这篇论文把“心梗定位”这件事从单视图硬猜,推进到了 稀疏运动先验 + 多视图融合 。亮点不在堆大模型,而在于用一张标注帧撬动整套追踪流程,工程味很足。
这篇论文最有意思的地方,不是把GCN又改了一遍,而是直接问了一个更扎心的问题:图做得再花,编码器不行也白搭。结果还真被它说中了——更强的编码器不仅让分类更准,还把图同质性一起抬上去了。
这篇不是“AI模型刷榜”,而是大型望远镜自适应光学系统的真刀真枪工程现场。最有意思的是,论文把MICADO的SCAO从β平板一路推进到最终配置,还真的把闭环跑起来了,88%斯特列尔比不是嘴上说说。
这篇不是在“做一个相机”,而是在给大望远镜装一套能数光子、能跑千赫兹、还能顺手做偏振的高速神经末梢。原型机已经上天文台干活了,真正值钱的是它把工程可行性和科学想象力同时拉满。
这篇论文最有意思的地方,不是“又做了一个畸变校正”,而是把老问题的责任链条拆了:别再先把图像重建得歪歪扭扭,再去补救B0场。它直接从k空间联合估计无畸变图像和B0场,还把旋转视图和高斯原语塞进同一个物理模型里,工程味很浓。
这篇论文最有意思的地方,不是“又做了一个剪枝”,而是把ViT到底在看什么这件事,往因果层面往前拽了一步。它不靠重训,直接定位并切掉那些专门走背景捷径的注意力头,思路很狠,实验也够硬。
移动域上的不可压流体,最烦的不是方程本身,而是域还在动、散度还不能乱。本文把 ALE、空间时间 DG 和 Piola 变换拧在一起,直接把“压力污染速度”这件事按住了。
LONGGE AI COMMUNITY
加入「龙哥读论文」知识星球,持续获取 AI 论文、资讯、开源项目、招聘与研究思路。
加入龙哥读论文微信群:添加微信 kangjinlonghelper,备注“研究方向 + 地点 + 学校/公司 + 昵称”。
微信扫码加入知识星球