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。

本研究提出了一种新导航任务FloNa，首次将平面图应用于具身视觉导航，利用FloDiff扩散策略解决空间不一致性和图像对齐问题，实验结果表明其在陌生场景中的表现优异。

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。

本研究提出了一种嵌套跟踪框架，用于分析颗粒材料的二维力网络中的循环轨迹。该方法能够揭示外部载荷下网络的演变，对改善系统的机械和运动特性具有重要影响。

该研究使用生成对抗网络和元优化技术生成平面图，取得了重大进展。

该论文提出了一种基于地板图注册的改进型 SLAM 方法（FR-SLAM），利用形态学的地板图注册算法对齐和转换原始地板图，实现高精度的地板图注册和快速导航。

本研究利用点云数据重建楼层平面图，解决了角点及边缘缺失、位置或角度不准确、多边形自相交或重叠、可疑拓扑等问题，并超越了目前的最先进方法。

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。

该论文介绍了一种名为G-GNNs的新型模型，通过无监督预训练获取节点的全局结构和属性特征，并在平面图和属性图上进行了实验，表现优异。

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。

本文介绍了一种全球室内定位方法SPVLoc，无需现场特定先验知识和训练，能够准确确定查询图像的相机姿态。通过匹配过程，在室内环境的全景图中定位视口，成功实现了图像到全景图以及图像到模型的匹配。实验表明，该方法对未见过的场景具有很好的泛化性能，并且在定位准确度上优于现有方法。

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。