AI在线 AI在线

DDPM

GCD-DDPM：用扩散模型重塑变化检测，精准捕捉细粒度变化

GCD-DDPM：用扩散模型重塑变化检测，精准捕捉细粒度变化
一眼概览GCD-DDPM 提出了一种 基于差分特征引导的去噪扩散概率模型（DDPM） 进行 变化检测（CD） 的方法，采用 生成式方式 直接生成变化检测（CD）图，而非传统的判别式分类方式。 在四个高分辨率遥感数据集上，该方法展现了优越的检测性能。 核心问题目前主流变化检测（CD）方法大多依赖 CNN 或 Transformer 进行判别式特征学习，但它们在 同时捕获局部细节信息和长距离依赖关系 方面存在局限，导致 变化检测精度不足，尤其是对于 复杂场景的细粒度变化 无法精准捕捉。
3/4/2025 4:00:00 AM
萍哥学AI
无需预训练，亲和力与天然蛋白相当，中国科大的蛋白质从头设计方法登Nature子刊

无需预训练，亲和力与天然蛋白相当，中国科大的蛋白质从头设计方法登Nature子刊
编辑 | 白菜叶在过去的 2-3 年里，去噪扩散概率模型 (DDPM) 在生成高质量文本、图像和视频方面取得了前所未有的成功。 这激发了人们对在蛋白质结构的从头设计中使用生成式 DDPM 的热情。 然而，大多数此类研究都遇到了相当大的困难，无法获得可以轻松生成可通过高分辨率结构分析验证的无缺陷蛋白质结构的 DDPM。
11/22/2024 5:20:00 PM
ScienceAI
  • 1