本研究针对有界区域内部点到边界的距离函数估计问题,提出了卷积和差分距离估计方案的精度提升方法,显著提高了计算精度,具有广泛的应用潜力。
本研究在随机矩阵领域中提出了一种新距离函数,用于有效比较不同的马尔可夫链模型,特别适用于医疗过程。研究显示,无论使用Bhattacharyya角还是新距离函数,模型间的度量结果一致。
本研究比较了不同神经表面重建方法在科学可视化中的影响,发现距离函数可提高重建表面的准确性和光滑性。NeuS2适用于重建闭合表面,NeUDF是重建开放表面的有前景的候选方法。研究人员可通过共享基准数据集测试他们的方法。
我们提出了一种最优传输生成对抗网络(OT-GAN),通过新度量最小化生成器分布与数据分布之间的距离。该度量结合了最优传输和对抗学习中的能量距离,形成高区分度的距离函数。实验表明,OT-GAN在大批量训练时稳定性强,并在多个图像生成基准上取得了领先结果。
完成下面两步后,将自动完成登录并继续当前操作。