- 应用物理信息的生成神经网络用于室内人体感知的射频传播预测
该研究论文讨论了一种基于变分自编码器（VAE）的物理约束生成神经网络模型，用于模拟人体运动对电磁场的影响并融合电磁体绕射原理。通过与经典绕射基于电磁工具和全波电磁体模拟进行验证。
- 特征函数的生成神经网络
本研究提供了一种模拟算法，能够从黑盒格式的 (多变量) 特征函数中进行模拟。我们构建了一个生成式神经网络，其损失函数利用最大均值差异度指标的特定表示直接融入目标特征函数。这种构建方式具有普遍性，不受维度限制，并且不需要对给定特征函数作任何假 - ShaDDR: 基于实例的几何和纹理实时生成 —— 基于 3D 形状详细化和可微分渲染
用 ShaDDR 算法可以生成高分辨率且纹理清晰的 3D 形状，能够通过学习潜在变量来掌握几何和纹理细节，实现对粗糙体素模型的纹理生成和细节还原，具有更高的分辨率和更清晰的纹理。
- AAAInBIIG：表格报告的神经商业智能生成系统
nBIIG 是一个神经商业智能系统，利用生成式神经网络技术将表格转化为 RDF 描述并生成流畅的文本分析，通过人机交互的方式帮助分析师提高表格报告的质量。
- 随机梯度下降揭示儿童学习物理的过程
研究发现，神经网络的学习轨迹可以捕捉儿童认知发展的轨迹，从而支持将认知发展解释为某种随机优化过程的观点。
- 探索 GLIDE 模型用于人类动作影响预测
针对行为 - 效应预测任务，本文提出使用 GLIDE 模型进行图像修复来预测行为后的世界状态，并在 EPIC 数据集上进行了实验。
- ICLR蛋白质折叠模拟的几何解耦表示学习
利用生成型神经网络学习药物靶标蛋白结构的结构集合，以便于更好的理解药物机理和发展治疗方法，同时通过蛋白几何自编码器模型在蛋白质的内在和外在几何学上进行分离编码，快速生成蛋白质构象的方案。
- 利用 Wi-Fi 信号实现人体轮廓和骨架视频合成
本文提出了一种利用无线电信号生成可见光图像的新方法，采用双分支生成神经网络使用跨模态监督策略对视觉域内的基于信号的特征进行条件化，最终仅使用 Wi-Fi 信号成功地合成了人类轮廓和骨架视频。
- SDM-NET: 结构可变网格的深度生成网络
SDM-NET 是一种深度生成神经网络，用于生成符合形状集合全局部分结构的有结构变形的网格，并通过部分 VAE 在部分几何形状和结构 VAE 的联合学习来确保全局形状结构和表面详情之间的一致性。
- GRAINS: 室内场景生成递归自编码器
本研究通过使用基于层次结构的编码器（支持，周围和共存关系），实现了用于室内 3D 场景生成的递归神经网络，结合一种变分自编码器（VAE），用于场景对象组合和场景生成。研究表明，所提方法能够高效地生成大量和多样化的 3D 室内场景，并在与现有 - 深度视频肖像
该研究提出了一种新方法，可以通过输入视频实现人像视频的逼真的重新动画制作，在此过程中将源演员的全面影响转移到目标演员的画像上。
- CVPR合成人类不常见的姿势图像
本文介绍了一种基于模块化生成神经网络的方法，用来合成出一张人的图像并保证姿势、外貌和背景的一致性，其中包括了基于图像和动作的训练资料，以及对抗性判别器等技术来实现姿势合成，最终能够生成与动作类别准确匹配的图像，同时还可以将多个动作合成为视频 - 世界模型
本研究旨在使用生成神经网络建立流行的强化学习环境下的世界模型，并利用该世界模型进行无监督学习，学习环境的空间和时间紧凑表示。通过使用从世界模型提取的特征作为代理输入，我们可以训练出非常紧凑和简单的策略来解决所需任务。我们甚至可以在代理自己的 - DeepWriting: 通过深度生成建模使数字墨水可编辑
这篇文章介绍了一种新型生成神经网络，能够有效将数字墨水中的内容和风格进行解耦，从而实现数字墨水内容的可编辑性。同时，该神经网络还能够进行风格转移而不改变原有内容，并能在单词级别上编辑数字墨水。
- NIPS使用深度生成模型生成和设计 DNA
本文提出了三种生成神经网络方法，用于生成 DNA 序列，并调整其具有期望的性质。这些工具捕捉到数据的重要结构，并在设计蛋白质结合微阵列探针时，生成具有超越训练数据的性能的新序列。我们相信这些结果为将深层生成模型应用于推进基因组学研究开辟了新 - Edina: 基于自对话的开放领域社交机器人构建
介绍了爱丁堡大学的社交机器人 Edina，其使用创新的自对话数据收集技术生成自然、高效且反映相关主题的对话数据，支持基于规则、匹配分数和生成性神经网络的混合驱动方法进行对话匹配。
- SideEye: 基于生成神经网络的人类外围视觉模拟器
本文提出了一种基于生成神经网络的外围视觉模拟方法，该方法能够实现对局部纹理统计学的快速测量，并为视觉设计提供一种全新的方法。
- 使用生成对抗神经网络重建三维多孔介质
通过神经网络生成的隐式描述概率分布的三维图像数据集，我们成功地比较了不同尺度多孔介质的特性，并发现对比传统的图像重建随机方法，此隐式表示的数据分布可以快速存储并重复生成多个孔隙结构的实现。