- 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。 二、碳化硅各向异性效应的产生与表现2.1 晶体结构与各向异性的关联碳化硅存在多种晶体结构，如 4H-SiC、6H-SiC 等，其晶体内部原子排列在不同晶向上存在差异 。 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 。 高通量晶圆测厚系统运用第三代扫频OCT技术，精准攻克晶圆/晶片厚度TTV重复精度不稳定难题，重复精度达3nm以下。针对行业厚度测量结果不一致的痛点，经不同时段测量验证，保障再现精度可靠。
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
for Efficient Point Cloud Representation Learning 原文作者：Guocheng Qian 内容提要 在各种移动设备中嵌入的激光雷达传感器已经广泛促进了对3D 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。 特别是，在S3DIS Area 5上，ASSANet比PointNet++高出7.4 mIoU，而在单个NVIDIA 2080Ti GPU上保持了1.6倍的推断速度。
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 。 高通量晶圆测厚系统运用第三代扫频OCT技术，精准攻克晶圆/晶片厚度TTV重复精度不稳定难题，重复精度达3nm以下。针对行业厚度测量结果不一致的痛点，经不同时段测量验证，保障再现精度可靠。
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。 数据处理与校正建立基于碳化硅晶体各向异性特性的数学模型，对测量数据进行校正。利用已知的晶体结构和物理性质参数，结合测量得到的数据，通过算法补偿各向异性带来的偏差。 高通量晶圆测厚系统运用第三代扫频OCT技术，精准攻克晶圆/晶片厚度TTV重复精度不稳定难题，重复精度达3nm以下。针对行业厚度测量结果不一致的痛点，经不同时段测量验证，保障再现精度可靠。
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
一般而言，3D重构过程需要来自各个方向的蛋白质投影，以覆盖整个空间。 如下图c所示，该模块的运作将两个半图 (halfmap)、一个三维傅里叶壳层相关 (3DFSC) 体积以及一个溶剂掩模作为输入数据，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 ，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。 检验的P值，d-从冷冻电镜图中选择的氨基酸残基和聚糖的代表性密度，e-根据 spIsoNet 各向异性校正技术重建的HIV-1局部分辨率图，f-spIsoNet各向异性校正的3DFSC的切片，g-根据spIsoNet
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
研究表明，3D 高斯是一个很好的选择。 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
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. 轻量级解码器 (Decoder) • 将演化后的潜在表示映射回物理网格，输出未来第3-4周和第5-6周的双周平均预测场。 3. • 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。 • 消融实验验证： • 移除“各向异性嵌入”或任一算子都会导致性能剧烈下降，证明了物理机制解耦的必要性。 • 使用LayerNorm替代RMSNorm会导致长时效预测稳定性变差，验证了理论分析。 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。 • 实际价值：不仅提高了预测准确率，还大幅降低了计算成本，使得高分辨率的全球次季节预测更加可行。
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。 高通量晶圆测厚系统运用第三代扫频OCT技术，精准攻克晶圆/晶片厚度TTV重复精度不稳定难题，重复精度达3nm以下。针对行业厚度测量结果不一致的痛点，经不同时段测量验证，保障再现精度可靠。
33010编辑于 2025-08-13- 来自专栏量子位
半个月3篇NatureScience，95后曹原3年8篇顶刊，网友：杀疯了杀疯了
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器件的表征与统计 在利用纵向和横向电阻率测量之后，发现了其在低温下的各向异性平面电传输。 ? △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。 目前还有3篇论文在投 曹原，1996年生，今年25岁。 ? 小学六年级、初高中课程，他只用了3年读完，高考理科总分669分，对此他表示： 我只是跳过了中学里一些无趣的部分。
73850发布于 2021-04-23 - 来自专栏思影科技
DTI在早期脑发育研究中的应用
如图3所示，成熟过程的基本模式可以表示为：从后到前和从中心到外周方向的随着年龄增加的FA增加和MD减少。 图3：0,3,6,9,12,24,36,48个月儿童的轴向图。 一般来说，出生时在脑桥和小脑脚中观察到髓鞘化，随后在大约3个月大时出现内囊后肢，胼胝体脾和视神经辐射。胼胝体膝和内囊前肢大约在6个月大时出现。 在单个回波平面回波序列和单个对比度准备期间采集多个切片，可实现以2mm或3mm的各向同性分辨率进行亚秒全脑覆盖，从而大大减少DW MRI的采集时间。 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。 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。 我们平时所说的打开垂直同步指的是将该信号送入显卡3D图形处理部分，从而让显卡在生成3D图形时受垂直同步信号的制约。 可惜这只能起到一半的作用，因为驱动中的3重缓冲选项只对OpenGL游戏起作用。加上OpenGL游戏远少于D3D游戏，所以事实上驱动的3倍缓冲选项在超过一半情况都不起作用。
1.6K30编辑于 2022-09-26 - 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。 一种快速可微、可微的对GPU的渲染方法，具有可见性，并允许各向异性的 Splatting 以及快速的反向传播，能够实现高质量的新视角合成。 根据这些点云，作者初始化了一组 3D 高斯，定义了点的位置、协方差矩阵以及不透明度 \alpha 。这可以产生一个合理的 3D 场景的紧凑表征，因为高度各向异性的体溅射可以被用于紧凑地表达精细结构。 本文方法的有效性的关键来自于作者提出的基于 tile 的光栅化器，其允许各向异性 Splatting 的基于可视性顺序的 \alpha 混合。 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 基于MATLAB的相场模型实现与关键算法解析
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. dTdy]=gradient(T,dx,dy);d2Tdx2=del2(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 ('CData',phi,'texture','3D');set(h,'XData',x,'YData',y,'ZData',z);axisequal;view(3);shadinginterp;2.等值面提取 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- 来自专栏点云PCL
ORORA：抗离群值的毫米波雷达里程计
为此，提出了一种新的解耦方法，包括基于 graduated non-convexity (GNC) 的旋转估计和各向异性分量逐个估计（A-COTE）。 此外，该方法利用毫米波雷达测量的各向异性特性，其中每个测量值沿方位方向的不确定性略大于沿径向方向的不确定性。 总之，本文的贡献有三个方面： 提出了一种新颖的基于解耦的鲁棒毫米波雷达里程计方法ORORA，其中包括基于GNC的旋转估计和各向异性分量估计(A-COTE)。 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 关于不确定性的性能变化 首先，分析了径向和方位不确定性对性能的影响，有趣的是，不同的环境表现出了不同的趋势，如图3所示。 图3. 随着每个特征点径向和方位不确定性大小的变化，翻译误差的变化情况。
49130编辑于 2023-08-21 - 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。 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 Communications Engineering. 3, Article 7. August 2020. [3] Xingyu Ni, Ruicheng Wang, Bin Wang, Baoquan Chen.
28410编辑于 2024-05-22 - 来自专栏每日一篇技术文章
SceneKit_入门08_材质
1.包含颜色,纹理和其他可视元素等材质属性 2.控制纹理的包装、过滤和纹理坐标变换 3.纹理的可视属性决定了物体在灯光和阴影下的样子 设置纹理属性的方法有哪些? SCNFilterModeNearest = 1, SCNFilterModeLinear = 2, // 线性 } SCNFilterMode; 给张图理解一下 学习你要花时间的 非均质性(各向异性 1.用来过滤、处理当视角变化导致3D物体表面倾斜时造成的纹理错误, 2.各向异性滤波,可以提供纹理渲染质量,当纹理的表面出现在一个相对于相机的极端角度,这时往往是通过采样多个mipmap层渲染每个像素 3.SceneKit自动增加或降低需要最大限度地提高渲染质量渲染每个像素的各向异性,由该属性指定的限制,渲染时所使用的最大各向异性水平依赖于使用中的图形硬件,如果设置值为MAXFloat 约束使用最高的 GPU 支持的 各向异性的值. 4.maxAnisotropy的值小于等于1 则禁止使用各向异性 注意: 如果使用各向异性滤波，必须使用mipmap ,也就是说mipFilter 的值不能为SCNFilterModeNone
1.7K40编辑于 2022-05-13
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