University of California, San Diego（加州大学圣迭戈分校）

Physics-guided spatiotemporal neural models for fuel density prediction

用于燃料密度预测的物理引导时空神经模型

Tolga Caglar, Jaynil Jaiswal, Saqib Azim, Yudhir Gala, Mai H. Nguyen, Ilkay Altintas

机构 * San Diego Supercomputer Center University of California, San Diego（圣地亚哥超级计算机中心 加州大学圣地亚哥分校） 纠错

AI总结 研究针对燃料密度预测，提出物理引导机器学习框架，集成物理约束与领域知识到深度学习模型。探索三种架构建模，在损失函数中纳入物理信息项，实验表明该框架在准确性和稳定性上优于纯数据驱动基线，能实现高效火灾预测支持管理。

Comments to be published in IEEEXplore

Efficient Scene Appearance Aggregation for Level-of-Detail Rendering

高效场景外观聚合用于细节层次渲染

Yang Zhou, Tao Huang, Ravi Ramamoorthi, Pradeep Sen, Ling-Qi Yan

机构 * University of California, Santa Barbara（加州大学圣芭芭拉分校） ； University of California, San Diego（加州大学圣地亚哥分校） 纠错

AI总结 本文提出了一种基于ABSDF的高效体素表示方法，用于实现保持外观的细节层次渲染，能够在不增加内存和渲染成本的情况下提升渲染质量。

Journal ref ACM Trans. Graph. 44, 1, Article 8 (February 2025), 23 pages