MétaCan
Menu
Retour à la cohorte
Enregistrement W7163176405 · doi:10.1109/icsm64417.2025.11541558

ReSimX: A Local Feature-Aware Framework for Real2Sim and Sim2Real Transfer

2025· article· W7163176405 sur OpenAlexaff
Siying Liu, Yingnan Ma, Zhenye Liu, Qiananna KongLang, Chenqiu Zhao, Anup Basu

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineComputer Science
ThématiqueGenerative Adversarial Networks and Image Synthesis
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésTransfer (computing)Work (physics)Stability (learning theory)Term (time)Key (lock)

Résumé

récupéré en direct d'OpenAlex

We propose ReSimX, an innovative framework for Sim-to-Real and Real-to-Sim image translation. It is built on the IEAST backbone, with the proposed internal content learning for robust cross-domain image stylization, which ensures crucial context structures. This model initiates a restoration phase, and correlations of loss functions are adjusted to the extent that the style should be consistent and the content should be faithful. Our method was tested on standard datasets and the outcome indicates that ReSimX achieves outstanding performance. Evaluations were measured by LPIPS and FID, all showing the excellence of the ReSimX model in terms of content preservation and consistency of style. These results highlight potential applications in robotics, virtual reality, and beyond.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,885
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,268
Écart entre enseignants0,255 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGenerative Adversarial Networks and Image SynthesisTravaux en français237 207