- 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。 深入研究各向异性效应并探寻有效的修正算法，是提升碳化硅 TTV 厚度测量精度的关键。 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 。
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
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 。
13000编辑于 2025-06-11- 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。 ，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。 视频中可以看到更加明显的区别 除此之外，在图 6 中我们可以看到，即使迭代 7K 次（∼ 5 分钟），本文方法也能很好地捕捉列车的细节。在迭代 30K 次（∼35 分钟）时，背景伪影明显减少。 对于花园场景，差异几乎不明显，7K 次迭代（∼8 分钟）已经是非常高的质量了。
43920编辑于 2023-09-08 【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。 此外，改进传统测量方法，在使用光学测量设备时，可采用多角度测量方式，从不同方向获取测量数据，通过数据融合降低各向异性带来的干扰 。样品预处理对碳化硅衬底进行预处理，改善其表面状态以减少各向异性影响。 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。
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
spIsoNet可解决由偏好取向问题引起的三维重建问题 spIsoNet在3D重建过程中提高了角度各向同性和粒子对齐精度 spIsoNet数据集地址： https://go.hyper.ai/P7XQu 研究人员设计了一款各向异性校正模块，目的是为了提高冷冻电镜图像的清晰度。 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。 研究结果：spIsoNet显著提高冷冻电镜图像质量 各向异性校正成效显著 研究人员发现，spIsoNet的各向异性校正模块可以有效地恢复模拟数据中缺失的信息。
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
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。 2101.04123 [5]https://arxiv.org/abs/2011.02500 [6]https://pubs.acs.org/doi/10.1021/acsnano.9b00184 [7]
73850发布于 2021-04-23 - 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 - 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。 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。辐射场的直接外观组成是球面谐波函数。 对文中提出的对高斯函数个数进行修改的两种方法进行消融实验，分别移除两种策略并进行对比，结果如图 7 所示。 图7 对高斯函数个数修改的消融实验结果 从结果可以看出两种策略都可以使得场景的重建质量更高，其中如果没有对大高斯的分割策略，那么会在大面积细节较多的区域产生模糊的伪影；如果没有对小高斯的复制策略，那么在高频细节区域可能出现断点或者是间隔 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 - 来自专栏思影科技
DTI在早期脑发育研究中的应用
这个张量场测量了三维空间中各个方向的扩散程度，从而映射了大脑中水扩散的各向异性，从而反映了白质纤维的组织和结构。由于白质中的神经纤维呈圆柱形，各向异性很高。 Dubois等人假设, 由于AD的增加和RD的减少,进行性纤维组织可以通过各向异性的增加来反映。MD可能保持不变。水在宫内晚期和早产儿的白质中存在各向异性扩散。 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。 图5：7个年龄组的平均髓鞘含水分数(MWF)、T1和T2图从上到下依次显示。 7. 与足月儿相比，同龄的早产儿在多个脑区均有FA异常，但在胼胝体的表现最为一致。这种早熟对胼胝体的影响可能会持续到晚年。 8.
1K20编辑于 2022-02-28 - 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 借助这两种模型，研究团队得以深入探讨不同结构和磁性各向异性对微机器人群体运动和组装的影响，并实现对群体运动的有效控制。 不同磁化构型（多链、多盘）的机器人对比。 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。 Communications Engineering. 3, Article 7.
28410编辑于 2024-05-22 - 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. 各向异性嵌入策略 (Anisotropic Embedding) • 创新点：不再使用传统的局部补丁（Patch）切割，而是将每个**纬度圈（Latitudinal Ring）**压缩为一个独立的Token • 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 【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。
33010编辑于 2025-08-13- 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 - 来自专栏逍遥剑客的游戏开发
Direct3D纹理映射
多级渐进纹理序列级数 5: DWORD Usage,//用途 6: D3DFORMAT Format,//像素格式 7: 纹理过滤方式 ·Nearest-point sampling(最近点采样) ·Linear texture filtering(线性纹理过滤) ·Anisotropic texture filtering(各向异性纹理过滤 ·Anisotropic Interpolation （各向异性过滤D3DTEXF_ANISOTROPIC） 它在取样时候，会取8个甚至更多的像素来加以处理，所得到的质量最好。
1.4K70发布于 2018-05-21 - 来自专栏开源部署
Debian 7安装Tomcat 7
一开始用的CentOS7安装的tomcat7，CentOS7自带了httpd服务，80端口是被占用的，卸载了httpd服务后，安装好了openjdk之后安装tomcat7，接着发现默认的端口是8080， 用了netstat命令查看一下端口占用情况发现CentOS7居然没有这个命令，这不科学啊，具体的原因没去分析，更坑爹的是service tomcat iptables命令改成了systemctl start 好无语，在CentOS7上死活没折腾出结果，改成1024以上的端口都是好使的，低于1024的端口都不行，我估计是权限的问题，默认1024下的端口不给权限应该。 我直接运行命令 apt-get update apt-get install java-package apt-get install tomcat7 一切完事之后就是修改端口号, /etc/tomcat7 接着重启服务 service tomcat7 start 好了，ok。
1.4K10编辑于 2022-07-03 - 来自专栏Datawhale专栏
一文详尽之Embedding（向量表示）！
核心原因就是：各向异性（anisotropy）。各向异性是一个物理学、材料科学领域的概念，原本指材料或系统在不同方向上表现出不同物理性质的现象。 各向异性在向量空间上的含义就是分布与方向有关系，而各向同性就是各个方向都一样，比如二维的空间，各向异性和各向同性对比如下(左图为各向异性，右图为各向同性)。 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。 无监督学习优化： 通过对Bert的向量空间进行线性变换，缓解各向异性的问题。无监督学习优化的代表是Bert-flow和Bert-whitening。 25E4%25BB%2580%25E4%25B9%2588%25E6%2598%25AF%25E5%2590%2584%25E5%2590%2591%25E5%25BC%2582%25E6%2580%25A7/
6.7K10编辑于 2025-01-19 - 来自专栏DeepHub IMBA
各种形式的图神经网络的实现和基准测试
3.各向异性机制改善了消息传递GCN的体系结构：在消息传递GCN的模型中，我们可以将它们分为各向同性和各向异性。 节点更新方程对每个边缘方向均平等对待的GCN模型被认为是各向同性的；节点更新方程对每个边缘方向的处理方式不同的GCN模型被认为是各向异性的。 各向同性层更新公式： ? 各向异性层更新公式： ? 我们的基准实验表明，各向异性机制是GCN的体系结构改进，可提供始终如一的出色结果。请注意，稀疏和密集注意力机制（分别在GAT和GatedGCN中）是GNN中各向异性的示例。 图7：用一个稀疏块对角矩阵表示的小批量图。 在密集秩2D张量上运行的WL-GNN具有在密集张量中的每个位置处/从该位置处计算信息的组件。 因此，同一方法（图7）不适用，因为它将使整个块对角矩阵密集，并会破坏稀疏性。 GCN利用分批训练并使用批归一化来进行稳定和快速的训练。此外，采用当前设计的WL-GNN不适用于单个大型图形，例如。
1.1K10发布于 2020-07-16
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