本文研究了增材制造中熔池动态控制的不稳定性，强调飞溅对缺陷的影响。通过机器学习和符号回归模型，提出了一种框架，能够有效预测熔池特征，预测精度超过95%，显著提高了过程稳定性和零件质量。

我们提出了一种基于高斯喷溅（GS）表示的播散模型（GSD），用于从单视图对 3D 对象进行重建。

Unicode联盟开始审核Unicode 16 Beta版，新增多个表情符号，包括眼袋、指纹、无叶树、根类蔬菜、竖琴、铲子和飞溅等。这些表情符号将在Unicode 16正式版中推出，并逐渐适配到各操作系统。

本文介绍了一种基于概率扩散框架的生成性深度学习模型，能够将低保真度模拟信息映射到高保真度结果，显著降低计算成本。该模型通过集成神经网络与物理规律，预测金属增材制造中的熔池动力学，优化熔池几何和缺陷识别，从而提升产品开发效率。

本文综述3D高斯喷洒技术进展，涵盖多尺度算法提升渲染质量与速度、压缩表示降低内存、滤波器消除高频伪影、二维网格组织参数减少存储、文本到三维生成提升真实感、实时去模糊重建清晰图像、从高斯散点图快速提取可编辑网格、密集深度图缓解过拟合、实现1080p实时新视图合成以及优化投影策略减少伪影。