本研究提出了一种名为“GAN-SLAM”的方法，通过生成对抗网络提高动态机器人运动中的地图精度，显著改善2D地图质量，为自主系统的制图任务开辟了新方向。

本研究提出FloNa导航任务，首次将平面图应用于具身视觉导航，解决了现有方法在效率和准确性上的不足。通过创新的FloDiff扩散策略，克服了空间不一致性和图像对齐的挑战，实验结果显示该方法在陌生场景中表现优异。

本研究提出了一种从文本生成楼层平面图的方法，采用链式思维引导大型语言模型生成初步布局，并利用条件扩散模型进行细化。实验结果表明，该方法在各项指标上表现优异，具有重要的实际应用潜力。

本研究提出了一种基于图神经网络的模拟器框架，能够高效模拟流体、刚性固体和可变形材料等复杂物理现象，具备强大的预测能力和计算效率，适用于颗粒与复杂物体的交互模拟，处理大规模粒子动力学问题。

本文介绍了一种基于自然语言输入的房屋设计生成模型，利用深度学习和生成对抗网络自动生成3D房屋模型和楼层平面图。研究表明，该系统在设计质量上可与专业建筑师相媲美，并提出了基于向量序列和扩散模型的楼层平面图生成方法，展示了在实际数据集上的优越表现。

本文介绍了SLAM（同时定位与地图构建）技术的进展，重点讨论了激光雷达和视觉SLAM在复杂环境中的应用，提升定位精度和生成语义地图的能力。研究展示了新算法和框架的有效性，解决了动态环境下的挑战，推动了自动驾驶和机器人导航的发展。

该研究探讨了使用Transformer架构重建2D平面图的方法，提出了多种基于神经网络的技术，包括语义平面检测、楼层平面图生成和室内地图重建。实验结果表明，这些方法在准确性和性能上优于现有技术，具有良好的应用潜力。

本文讲述了作者在装修房子时遇到的问题和经验，选择装修公司后遇到设计师变更和案例不符合预期等困难。作者提到了选择设计师和签订合同等装修注意事项，并总结了自己的平面图规划。此外，还提到了水电施工前需要确定的事项。

HouseCrafter 使用 2D 扩散模型生成与全景平面图一致的多视角 RGB-D 图像，从而重建高质量的 3D 室内场景。

本文提出了一种新算法，通过2D平面图对全景RGBD扫描进行校准，显著减少所需扫描次数。该算法在五个大型室内空间上进行评估，利用多模态图像对应线索，避免堆叠偏差。同时，研究介绍了SPVLoc方法，能够准确定位查询图像的六维相机姿态，无需过多先验知识。实验结果表明，该方法在定位准确度和泛化性能上优于现有技术。

本论文提出了一种利用AI和计算机视觉技术的新方法，通过跳跃连接神经网络与布局图结合，实现了自动和高效的楼层平面设计。在ICCV第1届CVAAD研讨会挑战中获得了56.6的mIoU分数。

LayoutGMN是一种深度模型，利用图形匹配网络预测2D布局结构相似性和布局元素之间的结构匹配。检索实验表明，LayoutGMN相对于其他基线更符合人类对结构布局相似性的判断。该模型在楼层平面图和UI设计方面应用广泛。

本文提出了一种基于3D注意力的U-Net架构，用于多区域分割大脑肿瘤。通过在解码器端添加注意机制，提高了分割精度，突出了恶性组织，提高了泛化能力。在BraTS 2021任务1数据集上验证了该方法的优越性。实验结果表明，该方法有望为理解和诊断脑部疾病做出贡献。强调了结合多种成像模式和引入注意机制以提高精度的重要性。