10:37官方账号arXiv cs.AI@Emilie Vautier, Clément Mallet, Cédric Vega法国国家森林调查局(NFI)利用32,052个样地数据与LiDAR HD项目,训练FLORA深度学习框架。FLORA可从异构LiDAR点云预测六种森林属性:优势木高度、总材积、落叶木材积、针叶木材积、胸高断面积和树干密度。模型采用八叉树主干结合生态和时空辅助变量,通过晚融合门控机制整合。单模型在落叶和常绿两种季节数据上均优于季节专用模型,优势木高度rRMSE为12.3%(R2=0.88),总材积rRMSE为39%(R2=0.74)。论文FLORALiDAR森林属性预测遥感点云推荐理由:法国NFI用LiDAR HD数据训练的FLORA模型,单模型跨季节预测森林属性,精度超过季节专用模型。原文
10:08官方账号arXiv cs.LG@Balázs Gyenes, Emiliyan Gospodinov, Jan Frieling, Enrico Krohmer, Nicolas Schreiber, Xiaogang Jia, Niklas Freymuth, Gerhard Neumann精选该研究提出将点云从笛卡尔空间映射到高维傅里叶空间,以解决神经网络在模仿学习中难以学习高频空间特征的问题。在 RoboCasa 和 ManiSkill3 基准测试以及真实机器人实验中,傅里叶特征显著提升了基于点云的策略在精细操控任务上的表现。该方法简单、鲁棒,且适用于多种编码器架构,有望成为点云模仿学习的通用工具。论文模仿学习机器人操控点云傅里叶特征高频空间推荐理由:做机器人操控和模仿学习的团队值得关注——傅里叶特征解决了神经网络对低频偏好的固有问题,让你在点云策略上直接获得高精度提升,代码和视频已开源,可以直接上手试。原文