我们提出了Kkexgen，这是一种用于计算机辅助设计（CAD）构造序列的新型自回旋生成模型，其中包含草图和伸出的建模操作。我们的模型利用不同的变压器体系结构编码构造序列的拓扑，几何和挤压变化为分离的代码簿。自回归变压器解码器生成CAD构造序列，共享代码簿向量指定的某些属性。广泛的实验表明，我们的删除代码书表示会生成多样化和高质量的CAD模型，增强用户控制，并有效地探索设计空间。该代码可在https://samxuxiang.github.io/skexgen上找到。

This paper presents an extreme floorplan reconstruction task, a new benchmark for the task, and a neural architecture as a solution. Given a partial floorplan reconstruction inferred or curated from panorama images, the task is to reconstruct a complete floorplan including invisible architectural structures. The proposed neural network 1) encodes an input partial floorplan into a set of latent vectors by convolutional neural networks and a Transformer; and 2) reconstructs an entire floorplan while hallucinating invisible rooms and doors by cascading Transformer decoders. Qualitative and quantitative evaluations demonstrate effectiveness of our approach over the benchmark of 701 houses, outperforming the state-of-the-art reconstruction techniques. We will share our code, models, and data.

本文介绍了一种用于结构重建的新型关注的神经网络，其将2D光栅图像作为输入，并重建描绘底层几何结构的平面图。该方法检测角落，并以端到端的方式对角之间进行分类边缘候选。我们的贡献是整体边缘分类架构，其中1）通过其端点的三角位置编码初始化边缘候选的特征; 2）通过可变形的关注将图像特征融合到每个边缘候选; 3）采用两个重量分配变压器解码器，用于在图形边缘候选方面学习整体结构模式; 4）通过掩盖的学习策略培训。拐角探测器是边缘分类架构的变体，适用于作为转角候选的像素上操作。我们对两种结构化重建任务进行实验：户外建筑架构和室内平面平面图形重建。广泛的定性和量化评估表明了我们对现有技术的方法的优势。我们将分享代码和模型。

我们提出了一种新的信息聚合方法，其基于编码器和解码器的特征映射之间的相似性称为本地特征聚合模块。该方法通过强调解码器的特征映射与具有卓越位置信息的特征映射的特征映射的相似性来恢复位置信息。该方法可以比U-Net和U-Net中的传统替代更有效地学习位置信息。此外，该方法还使用局部关注范围来降低计算成本。两种创新有助于提高计算成本较低的分割准确性。通过对果蝇单元格图像数据集和Covid-19图像数据集进行实验，我们证实了我们的方法表现出常规方法。

识别技术允许机器人进行适当的规划和控制策略来操纵各种对象。通过组合多个感知，例如视觉和触觉，对象识别更可靠。每个物体材料的一个显着特征是其热性能，并且分类可以利用热传递，类似于人类热敏。基于热基识别的优点是通过简单地使用微小和廉价的传感器捕获温度变化来实时获得接触表面信息的优点。然而，机器人表面和接触物之间的热传递受初始温度和环境条件的强烈影响。当其温度与机器人格拉伯提示相同时，不能识别给定的物体的材料。我们使用活性温控机器人夹具提出了一种材料分类系统，以诱导热流。随后，我们的系统可以独立地从环境温度识别材料。机器人夹持器表面可以调节到与触摸物体表面不同的任何温度。我们通过将温度控制系统与学术围巾机器人集成，根据使用从抓取目标物体获得的温度数据对其进行分类来进行一些实验。

在这项研究中，我们开发了一种用于多任务歧管学习的方法。该方法旨在提高多项任务的歧管学习的性能，特别是当每个任务具有少量样本时。此外，除了用于现有任务的新样本之外，该方法还旨在为新任务生成新的样本。在所提出的方法中，我们使用两种不同类型的信息传输：实例传输和模型传输。例如，转移，数据集在类似的任务之间合并，而对于模型传输，歧管模型在类似的任务之间取平均值。为此目的，所提出的方法包括一组与任务相对应的一组生成歧管模型，其集成到光纤束的一般模型中。我们将所提出的方法应用于人工数据集和面部图像集，结果表明该方法能够估计歧管，即使对于微小的样品。