研究人员通过促使模型去想象未来的视频表示，并将其预测与实际观察到的未来视频进行比较，获得了定量的惊讶度，用来检测违背的直观物理概念。 这些基准测试的组合提供了视觉质量（合成/照片级真实感）、场景多样性以及直观物理属性的多样性。具体而言，这些数据集的组合能够探究对以下概念的理解：物体永恒性、连续性、形状和颜色恒常性、重力、支持力、坚固性、惯性以及碰撞。

然而，基于扩散的 CT 图像去噪方法存在两个关键缺陷。其一，它们未融入 CT 成像的图像形成先验知识，这限制了其对 CT 图像去噪任务的适应性；其二，这些方法在信号阶段是基于结构和纹理各异的 CT 图像进行训练的，这阻碍了模型的泛化能力。为解决第一个 ...