- 综合排序
- 最热优先
- 最新优先
- 来自专栏贾志刚-OpenCV学堂
图像各向异性滤波
各向异性概念 各向异性（英文名称：anisotropy）是指材料在各方向的力学和物理性能呈现差异的特性。 晶体的各向异性即沿晶格的不同方向，原子排列的周期性和疏密程度不尽相同，由此导致晶体在不同方向的物理化学特性也不同，这就是晶体的各向异性。亦称“非均质性”。 对图像来说各向异性就是在每个像素点周围四个方向上梯度变化都不一样，滤波的时候我们要考虑图像的各向异性对图像的影响，而各向同性显然是说各个方向的值都一致，常见的图像均值或者高斯均值滤波可以看成是各向同性滤波 各向异性滤波 是将图像看成物理学的力场或者热流场，图像像素总是向跟他的值相异不是很大的地方流动或者运动，这样那些差异大的地方(边缘)就得以保留，所以本质上各向异性滤波是图像边缘保留滤波器(EPF)。 演示效果 左侧是原图，右侧是各向异性滤波之后的图像 ?
2.6K90发布于 2018-04-04 【新启航】碳化硅 TTV 厚度测量中的各向异性效应及其修正算法
然而，碳化硅独特的晶体结构赋予其显著的各向异性，在 TTV 厚度测量过程中，各向异性效应会导致测量数据偏差，影响测量准确性。 2.2 各向异性对 TTV 测量的影响在 TTV 厚度测量中，各向异性效应主要体现在测量信号的差异上。 考虑到各向异性效应会随环境变化而改变，动态补偿算法通过实时监测环境参数，根据预设的数学模型计算出各向异性对测量结果的影响程度 。 我们的数据和WAFERSIGHT2的数据测量对比,进一步验证了真值的再现性：（以上为新启航实测样品数据结果）该系统基于第三代可调谐扫频激光技术，相较传统双探头对射扫描，可一次完成所有平面度及厚度参数测量 运动控制灵活，适配2-12英寸方片和圆片测量。
25310编辑于 2025-09-16- 来自专栏CNNer
【点云处理】开源 | ASSANet：用于高效点云表示学习的各向异性可分离集合抽象
获取完整原文和代码，公众号回复：10090930453 论文地址： http://arxiv.org/pdf/2110.10538v2.pdf 代码： 公众号回复：10090930453 来源： King 然后将一个新的各向异性约简函数引入到可分离SA模块中，并提出了一个各向异性可分离SA (ASSA)模块，该模块大大提高了网络的精度。
84530编辑于 2022-04-06 碳化硅衬底厚度测量探头温漂与材料各向异性的耦合影响研究
在碳化硅衬底厚度测量中，探头温漂与材料各向异性均会影响测量精度，且二者相互作用形成耦合效应。深入研究这种耦合影响，有助于揭示测量误差根源，为优化测量探头性能提供理论支撑。 数据处理与分析对实验测量数据进行处理，分析不同温度、不同晶向条件下，测量探头温漂与材料各向异性对测量结果的影响 。通过计算测量误差，研究温漂与材料各向异性之间的相关性 。 结合有限元模拟，建立探头 - 碳化硅衬底的耦合模型，模拟不同条件下的应力、温度分布情况，从理论层面验证实验结果，深入探究温漂与材料各向异性的耦合影响规律 。 我们的数据和WAFERSIGHT2的数据测量对比,进一步验证了真值的再现性：（以上为新启航实测样品数据结果）该系统基于第三代可调谐扫频激光技术，相较传统双探头对射扫描，可一次完成所有平面度及厚度参数测量 运动控制灵活，适配2-12英寸方片和圆片测量。
13000编辑于 2025-06-11【新启航】如何解决碳化硅衬底 TTV 厚度测量中的各向异性干扰问题
然而，碳化硅晶体具有显著的各向异性，其晶体结构和物理性质在不同晶向存在差异，这种各向异性会对 TTV 厚度测量造成干扰，导致测量结果出现偏差，影响工艺控制和产品质量评估。 因此，研究解决碳化硅衬底 TTV 厚度测量中的各向异性干扰问题具有重要的现实意义。各向异性干扰产生的原因碳化硅晶体的各向异性主要源于其独特的晶体结构。 解决各向异性干扰的策略测量方法优化选择对各向异性不敏感的测量技术，如基于 X 射线衍射（XRD）的 TTV 测量方法。 我们的数据和WAFERSIGHT2的数据测量对比,进一步验证了真值的再现性：（以上为新启航实测样品数据结果）该系统基于第三代可调谐扫频激光技术，相较传统双探头对射扫描，可一次完成所有平面度及厚度参数测量 运动控制灵活，适配2-12英寸方片和圆片测量。
28110编辑于 2025-08-08- 来自专栏智药邦
Nat Methods｜用AI革新冷冻电镜三维重建，实现结构生物学重大突破
通过集成3DFSC算法，最小化4个不同类型的损失函数加权和，包括一致性损失 (Consistency loss)、等变性损失 (Equivariance loss)、噪声到噪声一致性损失 (Noise2Noise consistency loss) 和噪声到噪声等变性损失 (Noise2Noise equivariance loss)，进而提高冷冻电镜图像的质量。 各向异性校正算法示意图 2.各向异性校正驱动的错位校正模块 (The Anisotropy Correction-powered Misalignment Correction module) 如下图e ，其中各向异性校正是整个流程的核心环节，旨在通过各向异性校正来提升冷冻电镜图像的质量。 应用于β-半乳糖苷酶的各向异性校正图像 其中，j-l是指从不同的角度重建的2D分类图，k-m是指从不同的角度重建的3D分类图。
72910编辑于 2024-12-30 - 来自专栏纳米药物前沿
Sci Adv：包覆红细胞膜的仿生各向异性聚合物纳米粒治疗脓毒症
各向异性的形状和红细胞膜涂覆协同作用来抵抗血液的清除作用，延长循环时间。这种方法增强了纳米粒的解毒特性，显著提高了脓毒症小鼠模型的存活率。 作者开发了具有仿生形状和表面组成的各向异性聚合物生物可降解纳米粒子。合成了球形、长椭圆形和扁圆形的PLGA纳米颗粒，并用红细胞膜包裹了PLGA纳米颗粒。 尽管各向异性纳米粒子的曲率半径增大，但仍成功地包覆了红细胞膜。以前的工作已经表明，各向异性微粒可以用脂质体包裹，其效率与球形微粒相似，并且曲率不会显著影响膜包衣的流动性或稳定性。 在此，尽管各向异性纳米颗粒的曲率增加，但它们同样可以被天然衍生的细胞膜覆盖。 各向异性的形状和膜涂层能够在体外抵抗细胞摄取并在体内全身给药时降低血液清除。 各向异性包衣颗粒的药代动力学特性增强，再加上各向异性形状导致的表面积增加，带来了更强的全身给药后细菌毒素解毒的能力。
1.8K20发布于 2021-02-04 - 来自专栏气象学家
AI气候预测重大突破：SOON网络将6周预报准确率推向新高度
本文提出了一种新的深度学习架构，旨在解决当前气候预测模型在长时效（2-6周）预测中的关键缺陷。 1. 研究背景与核心痛点 • 任务重要性：次季节至季节（S2S，提前2-6周）的气候预测对于防灾减灾、能源调度和农业规划至关重要。 2. 核心方法：SOON 架构 作者提出了SOON网络，其设计严格遵循大气动力学的各向异性特征，主要包含三个关键模块： A. • 效率提升： • 由于各向异性嵌入将序列长度从 压缩为 ，SOON的计算复杂度与经度分辨率无关（线性于纬度）。 • 推理速度比CirT快2倍以上，比ClimaX快5倍以上，显存占用更低。 总结与意义 • 核心贡献：这是首个明确将“纬向 - 经向解耦” formulize 为潜空间中对称算子分裂问题的S2S预测框架。它纠正了现有AI气象模型违背大气各向异性物理本质的根本错误。
17710编辑于 2026-03-26 - 来自专栏气象学家
田雨航等-JGR: 在WRF模型中耦合新发展的地形拖曳参数化方案
传统数值模型中对地形各向异性的简化处理，限制了其在山区风场模拟中的表现。如何更真实地表征地形对大气流动的方向依赖性，成为提升模式性能的重要挑战。 近日，中科院大气物理研究所地球系统数值模拟和应用全国重点实验室田雨航博士、谢正辉研究员及其合作者，在Weather Research and Forecast（WRF）模型中实现了考虑地形各向异性拖曳方案 方案改善了高原及其北部地区平流层西风急流的模拟效果，其中高原北方区域的平流层纬向风的均方根误差降低10–20%；AFD方案通过更合理地刻画地形参数，调整了重力波拖曳的动量通量及其破碎高度，从而影响高层风场结构；该研究凸显了考虑地形各向异性拖曳参数化方案在提升区域环流模拟方面的重要价值 图1 WRF模式框架下考虑地形各向异性拖曳方案耦合示意图、部分模式验证结果以及平流层拖曳力变化的时空分布情况。
10910编辑于 2026-03-26 【新启航】《碳化硅衬底超薄化（<100μm）TTV 测量：挑战与解决方案》
各向异性影响加剧碳化硅晶体本身具有各向异性，超薄化后，这种特性对 TTV 测量的影响更为突出。 不同晶向的材料去除速率、表面光学性质差异，使得同一衬底不同区域的测量结果波动明显，传统测量方法难以消除各向异性带来的误差，严重影响测量精度。 利用深度学习算法，如递归神经网络（RNN），建立各向异性补偿模型，自动修正因晶体各向异性导致的测量误差，实现高精度 TTV 测量 。文章围绕题目阐述了碳化硅衬底超薄化 TTV 测量的挑战与对应方案。 我们的数据和WAFERSIGHT2的数据测量对比,进一步验证了真值的再现性：（以上为新启航实测样品数据结果）该系统基于第三代可调谐扫频激光技术，相较传统双探头对射扫描，可一次完成所有平面度及厚度参数测量 运动控制灵活，适配2-12英寸方片和圆片测量。
33010编辑于 2025-08-13- 来自专栏思影科技
DTI在早期脑发育研究中的应用
各向异性扩散过程的增加与未成熟少突胶质细胞在髓鞘化前期的发育性扩展有关。进行性纤维组织可能是大鼠和兔子无髓白质束各向异性增加的原因。 Yoshiura 等人发现赫氏回在T2加权像上的强度比颞上回或颞中回低。这些发现表明，皮质区域的髓鞘含量与T1和T2加权（T1w和T2w）图像的强度共变，但方向相反。 Glasser等人计算了T1w和T2w的图像强度比率(T1w/T2w)，称为髓鞘图，以消除与MR相关的图像强度偏差并提高髓鞘的对比度和信噪比。 此外，MWF已被证明比扩散各向异性具有更强的髓鞘特异性。Deoni等人证明了多弛豫组分测定法在婴儿大脑发育研究中的应用。图5显示了年龄从3个月到60个月的MWF、T1和T2图。 2. 各向异性分数和水扩散率可以从DTI中得到，并可用于表征生命早期脑白质发育的不同阶段。 3.
1K20编辑于 2022-02-28 - 来自专栏量子位
半个月3篇Nature/Science，95后曹原3年8篇顶刊，网友：杀疯了杀疯了
还是2篇。” “不，上周Nature，这周Science。” “？？？” ? 没错，不到半个月时间，这位95后连下3篇Nature/Science，距离再上一次的Nature，也仅仅过了一个多月。 具体而言，研究聚焦在了魔角扭曲双层石墨烯中的相图，特别关注的是超导相和正相中的各向异性。 ? △魔角扭曲双层石墨烯接近超导圆顶的竞争相 此外，曹原团队还揭示了平面临界场的各向异性和超导临界电流，对平面磁场的各向异性响应。 △证明魔角扭曲双层石墨烯向列相超导性 这也就进一步说明，两种各向异性态的起源可能是不同的。 science.sciencemag.org/content/372/6539/264 参考链接： [1]https://mp.weixin.qq.com/s/GuFVucBe5hRPTRR3gy6jkA [2]
73850发布于 2021-04-23 - 来自专栏机器之心
高清视频竟不是真的，几张照片渲染的3D场景让你难辨真伪
第二，优化 3D 高斯属性，即 3D 位置、不透明度、各向异性协方差和球谐波（SH）系数。优化过程产生了一个相当紧凑、非结构化和精确的场景表征。 不过，由于采用了 3D 高斯表征，可以在遵循可见度排序的情况下进行各向异性拼接，这要归功于排序和- blending— 并通过跟踪所需的尽可能多排序拼接的遍历，实现快速准确的向后传递。 方法概览 综上，本文做出了以下贡献： 引入各向异性 3D 高斯作为辐射场的高质量、非结构化表征； 3D 高斯属性的优化方法，与自适应密度控制交织在一起，为捕捉到的场景创建高质量的表征； 针对 GPU 的快速可微分渲染方法 ，该方法具有可视性感知功能，允许各向异性拼接和快速反向传播，以实现高质量的新视图合成。 对算法的以下几个方面进行了测试：从 SfM 初始化、致密化策略、各向异性协方差、允许无限数量的斑块具有梯度以及球谐波的使用。下表总结了每种选择的定量效果。 我们来看看更直观的效果。
43920编辑于 2023-09-08 - 来自专栏点云PCL
ORORA：抗离群值的毫米波雷达里程计
接下来，估计P之间的对应关系集A，为此，采用ORB描述子，如图2(a)所示，在将每个点转换为笛卡尔图像后生成一个描述子。 图2。 （a）我们提出的毫米波雷达里程计方法的总体流程，即使输入了包括众多异常值的假设对应关系（粉色箭头），我们的ORORA仍能稳健地估计相对旋转R ^和分量式的平移，即分别为x轴的1^t和y轴的2^t。 毫米波雷达数据的各向异性不确定性建模 在我们解释我们提出的方法之前，需要对每个点的不确定性进行建模以实现更适用于毫米波雷达的自我运动估计，与其方差沿轴的值相等的激光毫米波雷达测量不同，毫米波雷达测量具有各向异性特征 因此，不确定性呈香蕉形状（图2（b）中的绿色点）。 D.
49130编辑于 2023-08-21 基于MATLAB的相场模型实现与关键算法解析
=del2(phi,dx);d2phi_dy2=del2(phi,dy);curvature=d2phi_dx2+d2phi_dy2;%Cahn-Hilliard方程离散phi_new=phi+tau* ifmod(t,10)==0imagesc(phi);colormap(gray);title(sprintf('Time=%.1f',t*tau));drawnow;endend三、关键算法扩展1.各向异性界面处理引入方向依赖的界面能 ：%各向异性函数（四次谐波）gamma=1+0.1*cos(4*atan2(dphi_dy,dphi_dx));%修改迁移率项M_aniso=M. (T,dx);d2Tdy2=del2(T,dy);dT=k*(d2Tdx2+d2Tdy2);end四、高级应用案例1.枝晶生长模拟%各向异性参数epsilon_aniso=0.3;aniso_strength FaceColor','r','EdgeColor','none');isonormals(X,Y,Z,phi,fv);六、典型应用场景场景关键参数验证指标金属凝固过冷度ΔT=150K晶粒尺寸分布枝晶生长各向异性强度
9610编辑于 2026-04-10- 来自专栏数据分析与挖掘
MixCSE：困难样本在句子表示中的使用
因为各向异性。各向异性是指嵌入在向量空间中占据一个狭窄的圆锥体。各向异性就有个问题，那就是最后学到的向量都挤在一起，彼此之间计算余弦相似度都很高，并不是一个很好的表示。 因此，才会有一系列的论文旨在解决各向异性，比如bert-flow、bert-whitening。 对比学习在句子表示中的使用？
2.5K20编辑于 2022-09-27 - 来自专栏媒矿工厂
SIGGRAPH 2023 | 用于实时辐射场渲染的 3D Gaussian Splatting
总得来说，本文主要由以下三点贡献： 引入了各向异性的 3D 高斯作为辐射场的高效、非结构化的表征。 图2 本文的流程示意图 可微的 3D Gaussian Splatting 本文的目的是优化一个从 SfM 得到的稀疏点集开始的允许高质量新视角合成的场景表征。 本文的高斯由一个全 3D 的协方差矩阵 \Sigma 定义的，在世界坐标中中心位置为 \mu ： G(x)=e^{-\frac{1}{2}(x)^T \Sigma^{-1}(x)} \quad ( 不可避免的是，由于 3D 到 2D 投影的模糊性，几何形状可能被错误地放置。因此，本文的优化需要能够创建几何以及消除或移动几何如果其位置不对的话。 如果将高斯函数的优化从全协方差优化的各向异性改为了选取其中一个维度的各向同性，那么得到的结果中可以明显地看出高斯表征的伪影，证明了各向异性优化的必要性。 图9 高斯函数各向异性的对比实验
2.5K30编辑于 2023-10-10 - 来自专栏新智元
「懂物理」是具身智能核心！北大高逼真物理仿真，加持磁性微米级机器人登Nature子刊
所得微机器人具有不同的表面形状（双合、椭球、球，见左侧）和不同的磁化构型（单链、多链、多盘，见右侧） 磁各向异性微机器人的仿真、制备与分析 为了探究结构和磁各向异性对混合微机器人群体行为的影响，北京大学研究者运用格子玻尔兹曼方法以及磁偶极相互作用模型 随后，将液滴置于不同类型的磁场中，使得 MNPs 在液滴内部形成链状、盘状、束状等不同结构，从而赋予液滴磁性各向异性。 最终，通过紫外光引发聚合反应，将液滴中的 PEGDA 交联成水凝胶，固定 MNPs 结构，得到具备结构与磁性各向异性的机器人。 其中，水平集法从第一性原理出发，精准还原了磁流体的Resensweig不稳定性现象[2]，并能通过引入边界积分方程获得两个数量级的解算速度提升[3]；基于牛顿迭代与物质点法的磁性材料模拟能够在正确处理碰撞和接触的同时 Januarry 2024. [2] Xingyu Ni, Bo Zhu, Bin Wang, Baoquan Chen.
28410编辑于 2024-05-22 - 来自专栏reizhi
显卡相关技术名词解析1
AF（各向异性过滤） 各向异性过滤 （Anisotropic Filtering ）：各向异性过滤是最新型的过滤方法，它需要对映射点周围方形8个或更多的像素进行取样，获得平均值后映射到像素点上。 对于许多3D加速卡来说，采用8个以上像素取样的各向异性过滤几乎是不可能的，因为它比三线性过滤需要更多的像素填充率。 但是对于3D游戏来说，各向异性过滤则是很重要的一个功能，因为它可以使画面更加逼真，自然处理起来也比三线性过滤会更慢。 简单来说，HDR可以用三句话来概括：1.亮的地方可以非常亮 2.暗的地方可以非常暗 3.亮暗部的细节都很明显。
1.6K30编辑于 2022-09-26 - 来自专栏仿真CAE与AI
Abaqus 刚度退化怎么做？一文掌握损伤建模
各向同性材料有效刚度满足\(\mathbf{C}_{\text{eff}}=(1-D)\mathbf{C}\)；各向异性材料需定义方向相关损伤变量，实现定向刚度衰减。 （二）复合材料针对纤维增强材料的各向异性与复杂损伤模式，内置模型支持渐进损伤模拟。 先采用正交各向异性弹性模型，输入纤维、横向弹性模量、泊松比与剪切模量构建刚度矩阵；损伤起始常用Hashin准则，分四种失效模式精准判据，LaRC05准则适配精细化分析，需结合XFEM且仅支持Standard
25210编辑于 2026-02-25
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号