17岁少女汉娜·凯罗在完成家庭作业时推翻了40年前的Mizohata-Takeuchi数学猜想。她的导师张瑞祥是北大校友,现为UC伯克利助理教授。汉娜的反例挑战了傅里叶分析和偏微分方程的核心理论,未来将攻读博士学位。
本文提出了一种相位运动放大方法,通过傅里叶分析视频序列,有效捕捉并放大目标物体的位移和颜色变化,显著提升人眼对微小运动的观察能力。
北京大学研究团队提出了一种新型网络架构FAN(傅里叶分析网络),旨在提升周期性建模能力。FAN通过引入傅里叶级数,更有效地捕捉数据中的周期性模式,优于传统模型如MLP和Transformer。实验结果显示,FAN在时间序列预测、符号公式表示和语言建模等任务中表现显著,展现了广泛的应用潜力。
本文探讨傅里叶分析与扩散模型的协同关系,提出了一种改进的扩散模型架构,以解决训练不均匀等问题,从而显著提升图像合成效果。此外,研究介绍了基于粒子迭代的去噪扩散取样器(PDDS)和多视角祖先采样(MAS)方法,能够生成高质量的3D运动序列,并在样本生成的一致性和速度上表现优越。
完成下面两步后,将自动完成登录并继续当前操作。