跳到正文
热点事件持续更新

SPS-GAN：从轨迹与视频学习相空间结构

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

Yulong Yang 等作者提出结构化相空间 GAN（SPS-GAN），一种条件生成模型，将 port-Hamiltonian 主干与对抗式条件生成结合，可在单一架构中表示保守、耗散与受迫系统，并从笛卡尔轨迹和视频中学习结构化动力学。 该模型由作者在 arXiv cs.AI 发布的一手论文中提出，目前尚无第三方验证或应用结果的报道。

AI 根据报道生成 · 3 小时前更新

最新进展10月12日 12:00
SPS-GAN：从轨迹与视频中学习哈密顿系统的相空间结构

报道时间线

沿着报道，了解事件的不同侧面。

10月12日
  1. arXiv cs.AI
    SPS-GAN：从轨迹与视频中学习哈密顿系统的相空间结构

    Structured Phase Space GAN（SPS-GAN）是一种条件生成模型，将 port-Hamiltonian 主干与对抗式条件生成结合，可在单一架构中表示保守、耗散与受迫系统，并从笛卡尔轨迹和视频中学习结构化动力学。

本事件热度走势

可比范围当前
9
可比范围峰值
1010月12日 13:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。