算法论文8

西工大：DPAtt - UNet++重构机翼流场精度高

力学与人工智能2026-03-19

AI 摘要

西工大崔榕峰、张伟伟等：提出DPAtt - UNet++框架用于三维机翼流场重构，精度超传统U - Net约10%，预测速度快，不过对激波等处理能力待提升，未来将多方向改进。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

北大团队：NS - Diff 让视频生成遵循物理规律

北大彭宇新团队提出 NS - Diff，将物理约束与强化学习结合，解决视频生成物理失真问题。它通过多模块提升视频物理真实感，实验表明在多数据集上超现有方法，降低物理运动误差。

传统高保真CFD模拟计算资源消耗大，现有深度学习方法处理三维流场重建面临挑战。本文提出物理约束双并行注意力UNet++框架，实验表明其在流场重构精度上较传统U - Net提升约10%，预测速度提升2 - 3个数量级。

视频扩散模型生成新视角视频时，现有方法缺显式3D结构。智象未来提出DreamWorld，用3D先验与两阶段框架，结合结构和生成能力，在多基准测试表现领先。

视觉-语言-动作（VLA）模型是端到端自动驾驶主流技术，但自回归解码架构有瓶颈。复旦大学与引望智能联合提出WAM-Diff2，实现自回归VLA向离散扩散模型迁移，解码加速15.1倍，多任务性能不降。