Новый подход позволяет точно и эффективно находить решения дифференциальных уравнений в частных производных непосредственно на основе нейронных представлений формы, без использования традиционных сеток.
Исследователи представили OccuFly — масштабный набор данных и платформу для семантического восполнения сцен с воздуха, открывающие новые возможности для беспилотных систем.
Исследователи предлагают инновационную систему для точного воссоздания и генерации человеческих движений в реальном времени, независимо от частоты кадров.
Исследователи представили PanoGrounder, систему, использующую панорамные изображения для более точного понимания 3D-сцен по текстовым запросам.
В статье представлена модель процесса проектирования, позволяющая создавать более релевантные и полезные решения для визуализации медицинских данных.
![В рамках разработанной системы NeRV360, входное 360-градусное изображение [latex] (3,H,W) [/latex] преобразуется в целевой viewport [latex] (3,H^{\mathrm{vp}},W^{\mathrm{vp}}) [/latex] посредством кодировщика и декодировщика, использующих шаги преобразования [latex] (3,2,2,2) [/latex], что позволяет эффективно извлекать и представлять ключевые визуальные элементы.](https://arxiv.org/html/2512.20871v1/x3.png)
Новая система NeRV360 позволяет существенно снизить требования к памяти и времени декодирования 360-градусных видео, фокусируясь на той части изображения, которую видит пользователь.
Исследователи представили инновационную архитектуру, позволяющую эффективно объединять многомодальные изображения с сохранением мелких деталей и повышением производительности в задачах компьютерного зрения.
Новое исследование рассматривает возможность использования доступных датчиков для анализа летучих органических соединений в выдыхаемом воздухе с целью выявления признаков стресса.
Новая архитектура UniPR-3D позволяет значительно повысить точность и надежность определения местоположения по изображениям, используя 3D-модели и передовые нейросетевые технологии.
![Для точной и эффективной крупномасштабной реконструкции окружающей среды система последовательно обрабатывает данные лидара, создавая и обновляя подкарты, причём для существующих подкарт применяется нормальное отображение с динамическим удалением и гибридным обучением сетки, а при создании новых подкарт модуль перекрывающегося выравнивания обеспечивает согласованность между ними, после чего обученные подкарты воспроизводятся с ключевыми сканами и объединяются в глобальную сетку [latex]G[/latex].](https://arxiv.org/html/2512.20976v1/picture_new/approach-pipeline-f.jpg)
Исследователи представили XGrid-Mapping — инновационную систему, сочетающую в себе преимущества явных и неявных нейронных представлений для эффективного создания карт больших территорий.