跳到正文
热点事件持续更新

Meta与Virginia Tech提出ReGDiff

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Virginia Tech与Meta研究者提出ReGDiff,用于通过扩散模型生成体素超材料几何,该研究入选NeurIPS 2026。方法以Repel-And-Sink正则化分离合法结构与损坏样本,并在采样时加入短程斥力,使候选设计远离附近已知结构,同时避免破坏对称性、周期性或连通性。 在MetaTruss测试中,ReGDiff的新颖度指标达到0.296,高于Yang基线的0.163,并保持几何合理性。该结果证明的是其在该数据集上的生成表现,尚未说明实际超材料制造效果。

AI 根据报道生成 · 2 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月2日
  1. AGI Hunt
    Meta 与 Virginia Tech 提出 ReGDiff,让扩散模型生成新颖超材料

    Virginia Tech 与 Meta 研究者提出 ReGDiff,用于体素超材料几何生成,并入选 NeurIPS 2026。该方法结合 Repel-And-Sink(RAS)正则化与短程斥力,在保持几何合理性的同时提升设计新颖度;在 MetaTruss 上新颖度达 0.296,高于 Yang 基线的 0.163。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。