Apr, 2016

Cygrid：用于 Python 的快速 Cython 卷积网格化模块

PDF
TL;DR本文介绍了 cygrid，一个用 Python 编写的快速和通用的数据插值库，该库可用于任何目标坐标的数据插值，支持 FITS 地图或数据立方体，并使用 HEALPix 网格化球体以实现快速邻居搜索和多核加速，与其他技术相比，其查询速度和性能均有较大提升。
data griddingcygridpythonhealpixperformance gain
发现论文，激发创造
  • GrINd: 网格内插网络用于离散观测

    通过将稀疏的观测数据映射到高分辨率的网格空间，并利用可微分的 ODE 求解器和完全卷积神经网络预测未来的时间点上系统的状态，GrINd 为从稀疏、分散的观测数据中预测物理系统的演变提供了一种有前景的方法。

    Mar, 2024

  • 高效点云处理的学习网格化

    通过可学习的网格化处理将点云数据转化为紧凑、规则的网格，解决了点云方法在规模可扩展性上的问题，使得后续层能够使用更好扩展的操作，在时间和内存消耗上表现更佳且能获得有竞争力的结果。

    Jul, 2023

  • 超越固定网格：使用可变形网格学习几何图像表示

    通过构建 Deformable Grid 替代卷积神经网络中的传统池化层，可以更好地对齐高频图像内容，从而在语义分割和对象蒙版注释等任务中获得更准确的结果。

    Aug, 2020

  • GridFormer：点网格变换器用于表面重建

    通过在正规网格特征和离散点特征之间引入高效的点 - 网格变换机制，以及采用边界优化策略，本文提出的方法有效地提升了三维表面重建的精度和准确性。

    Jan, 2024

  • 球面上的快速卷积

    提出一种基于对称核函数的在球面上进行两个任意函数卷积的快速精确算法，通过对算法的改进可将计算时间从数月缩短为数分钟，同时适用于任何球面上标量场的卷积和过滤问题。

    Aug, 2000

  • 多重网格神经架构

    本研究提出了一种基于多重网格结构的卷积神经网络，能够在不同尺度空间上操作输入和输出，实现任务的动态路由和内部注意力机制，以及通过逐级概括将上下文信息融合到网络中。在分类和语义分割等多项任务中得到了相对较好的表现表明，相对于传统的基于单一网格的卷积神经网络结构，基于多重网格的设计方案更加高效且灵活。

    Nov, 2016

  • 异构网格卷积：适应性、高效性和可控计算

    通过生成一种数据自适应的图形结构并利用方向感知图形卷积，本文提出了一种新型的异构网络卷积模型，并在四个图像理解任务上进行了评估。

    Apr, 2021

  • GraKeL: 一个 Python 中的图核心库

    本研究介绍了一种名为 GraKeL 的 Python 图核心库，该库将多个不同的图核心融合为一个通用框架，可与 scikit-learn 模块结合使用，构建完整的机器学习管道来实现图分类和聚类等任务。

    Jun, 2018

  • Kymatio: Python 中的散射变换

    该研究介绍了 Kymatio 软件包，是一个易于使用、高性能的 Python 实现的小波散射变换，在 1D、2D 和 3D 上都可以使用，与现代深度学习框架兼容，可以在 GPU 上运行，其内存占用小，速度显著提高。

    Dec, 2018

  • DAGrid：有向累加器网格

    该研究通过设计采样网格和参数化几何先验来实现像素级稠密预测，提出了 Directed Accumulator Grid (DAGrid)，并发现在医学图像识别中和小型不平衡数据集方面，采用 DAGrid 可以显著提高识别性能。

    Jun, 2023