本研究提出了一种无编码器的3D LMM模型ENEL，采用新颖的语义编码和几何聚合策略，展示了其在3D理解中的竞争潜力。

本文提出了一种新的语言语义通信框架（LSC），通过三种创新算法提高语义交流效率。该框架在嘈杂通信环境中实现高感知相似度的图像重建，并通过强化学习优化语义编码，提升系统性能。研究表明，语义通信在未来人工智能驱动的通信系统中具有重要潜力。

通过整合语意通信和大规模多输入多输出（MIMO）技术，本文提出了一种适用于航天飞艇的大规模 MIMO 图像传输网络的深度联合语意编码和波束成形（JSCBF）方案，实现了源压缩、异常校正和高频谱效率的性能提升。

本文介绍了一种利用RGB-D图像序列进行协作式SLAM系统，包括前端和后端模块，采用基于神经元的三维场景表示方法，并提出了分布式至集中式学习策略和全局优化框架。实验证明该方法在相机跟踪和地图生成方面具有优越性。

本文探讨了基于扩散的AI生成器在土木工程中的应用，通过改进语义编码提高了生成楼层平面图的有效性至90%。同时，讨论了扩散模型与建筑信息模型相结合的需求，并提出了未来的研究挑战。

本文探讨了基于扩散的AI生成器在土木工程中的应用，提出了改进语义编码的新扩散模型，并通过多个实验证明了其有效性。同时，也指出了该模型的局限性和未来研究挑战，并讨论了将扩散模型与建筑信息模型相结合的需求。

该文介绍了一种新的语义交流框架，整合了大型语言模型和生成模型，并引入三种创新算法，提高了效率和鲁棒性。在通信任务中，该方法实现了更高的感知相似度和鲁棒性。

最近对可以以最低限度的监督进行训练的TTS方法产生了兴趣。Diff-LM-Speech将语义嵌入建模为基于mel-spectrogram，并引入了提示编码结构。Tetra-Diff-Speech通过设计一个持续时间扩散模型来实现多样化的韵律表达。Tri-Diff-Speech验证了语义编码的必要性。实验结果表明，这些方法优于基准方法。