该研究提出了一种新方法，通过卷积神经网络直接从傅里叶相位显微镜测量中进行图像分类，避免了高计算成本的重建过程。该方法提高了12%的分类性能，减少了数据量和采集时间，同时保持了分类准确性。

近期，我司「七月在线」接到多个B端人形开发订单，计划将idp3作为备选。FFTAI/fourier-lerobot扩展了数据集支持和训练管道，优化了人形机器人开发，新增的脚本和可视化工具提升了Fourier数据集的处理能力。

本研究提出了一种基于傅里叶神经算子(FNO)的晶粒生长建模方法，解决了传统相场建模在大规模和高分辨率系统中的计算耗时问题。该方法具有分辨率不变性，能够有效预测长期演化，并适用于未见过的配置，展现出卓越的准确性。

这篇文章介绍了一种名为LP-FNO的新型基于FNO的架构，可以将定义在低维边界上的任意边界函数映射到整个域中的解。在2D泊松方程中，展示了LP-FNO的功效和分辨率独立性。

本文提出了一种基于Fourier的语义增强方法FIESTA，通过操纵频率域中的振幅和相位组件来增强医学图像分割的基本目标。实验结果显示，FIESTA在分割性能上超过了最近的最先进的单源域通用方法，并显著促进了模型在医学成像模态中的适用性。

本文介绍了一种基于非参数共享的仿射群等变神经网络，用于三维医学图像分割。通过采用非参数策略的效率和灵活性，实现了对体积数据进行高效的三维仿射群等变卷积神经网络的实现。实验结果表明，该方法在训练稳定性和数据效率方面优于最先进的三维神经网络。

该文提出了一种新的密度编码方法，通过基于 Fourier 的压缩来适应底层体渲染过程的传递函数特征，从而减少动态模型中的伪影。同时，通过对训练数据的扩充来放松压缩的周期性假设。该方法在合成和真实场景的评估中表现出有效性。

$SU(2)$ has a lot of interesting mathematical and physical properties. In this post we study its irreducible representations in a mathematician's way.

我们常常要看信号的振幅谱来进行分析，那傅里叶变换就必不可少。如果水平不错你可以试着自己写。当然有很多已经写好的包，非常方便，例如这里要讲到的fftw[1]。