BriefGPT - AI 论文速递 BriefGPT - AI 论文速递 ·

NeRF 解决 MRI 重建中的欠采样问题

💡 原文中文，约300字，阅读约需1分钟。
📝

内容提要

我们提出了一种多空间神经辐射场（MS-NeRF），通过在并行子空间中表示场景的特征场组，以更好地理解神经网络对具有反射和折射性物体的存在的情况，从而实现了对现有 NeRF 方法的增强，且仅需要小的计算开销。

🏷️

标签

MS-NeRF mri 反射和折射性物体 多空间神经辐射场 特征场组 计算开销 重建
➡️

继续阅读

  1. 关于班主任不是主科老师的问题
    初中开学家长会上，班主任由历史老师担任，引发家长疑虑。作者分析可能原因：学生数量高峰致师资不足，副科老师获机会；主科老师因班主任工作繁重不愿担任；副科老师...
  2. CPU + GPU：为何AI平台工程是一个异构基础设施问题
    AI基础设施不应只关注GPU，而应视为CPU、内存、存储和网络协同工作的整体系统。平台团队需匹配各阶段资源需求，而非孤立优化GPU。通过Kubernete...
  3. Kimi K3 模型结构（10）：RL 与服务，状态住在哪里
    本文介绍Kimi K3模型在1M上下文强化学习与线上服务中的系统设计，核心是状态管理。KV块和KDA状态通过write-back策略在GPU与DRAM池间...
  4. Kimi K3 模型结构（9）：显存，把 2.8T 塞进 GPU
    本文详解Kimi K3模型训练中的显存优化策略，通过账本形式分析权重、激活等内存占用，并介绍六项关键技术：均衡PP rank激活、统一激活管理器、MoE反...
  5. DeepSeek-V4 模型结构（7）：结构决定系统
    DeepSeek-V4模型采用混合压缩注意力（mHC），将KV缓存分为状态缓存和分页缓存，分别管理滑窗KV与压缩条目。上下文并行通过点对点通信和all-g...
  6. DeepSeek-V4 模型结构（6）：优化器与稳定性，Muon
    DeepSeek-V4采用Muon优化器，通过谱范数最速下降实现逐矩阵正交化，用Newton-Schulz迭代逼近SVD，混合系数提升小奇异值并精确稳定大...
👤 个人中心
在公众号发送验证码完成验证