项目报告
斯坦福大学 · 2025 年春季
期末项目报告
期末项目的详细要求见课程项目页面。
共 291 个项目，此处展示其中 178 个；另有 113 个项目申请不公开。
| 标题 | 作者 |
|---|---|
| 精选：PocketNeRF：从少量手机图像快速收敛的室内重建神经辐射场 | Aaron Jin, Ryan Joonwon Suh, Lucas Emmanuel Brennan-Almaraz |
| 精选：CURVLM：在视觉语言模型中通过组相对策略优化（GRPO）理解电路 | Diego Porras, Mike Zhao, Adhi Daiv |
| 精选：融合视觉与语言，理解手语 | Ali Sartaz Khan, Dat Tran, Sufen Fong |
| 精选：使用强化学习进行视频风格迁移 | Amelia Kuang, Coco Xu, Ariel Chen |
| 精选：融合三维激光雷达点云与二维相机图像的自动驾驶三维语义分割 | Anze Liu |
| 精选：使用街景图像进行桥梁分类的两阶段深度学习方法 | Carmen Edna Andrade von Hillebrandt |
| 精选：结合新型 Hapke 层的光谱注意力 U-Net 改进矿物检测：加速发现绿色转型所需的关键矿产 | Ryan Wang, Chandra Suda |
| 精选：使用神经算子快速模拟声波 | Fangjun Zhou, Kevin Liu, Hong Nhu Ngoc Vo |
| 精选：用于紧凑物体分割的全变分损失及其卫星图像应用 | Giacomo Fraccaroli |
| 精选：基于 GAN 复现 FaceApp 效果并实现实时运行 | Jacky Yin |
| 精选：改进 Segment Anything Model（SAM），用于脑肿瘤图像分割 | June Zheng, Yi Jing, Komei Ryu |
| 精选：用于结构化表示学习的自适应对比掩码自编码器 | Karan Singh |
| 精选：通过棋盘与棋子识别生成国际象棋局面表示（FEN） | Matt S Yang, Satya Prakash Biswal, Samruddhi Yashwant Kahu |
| 精选：岩石图像超分辨率：从 CT 到显微 CT | Zitong Huang, Minghui Xu |
| 精选：基于深度学习分割免疫荧光显微图像中的黏着斑 | Xingyuan Zhang |
| 模糊边界：使用计算机视觉自动对视频进行隐私遮蔽 | James Ashton Varah, Tobias Charles Moser |
| PalmPilot：通过实时手势信号检测控制无人机 | Chris Kay, Carlos Daniel Joseph Hernandez, Matt Mahowald |
| 超越 Janus：通过基础模型推理提升文本生成三维内容的一致性 | J Yim, Soumyadeep Bhattacharjee, Antonio Llano |
| AstroDINO：天文图像上的自监督学习 | Sagar Kapare |
| 使用序列模型理解视频：以高尔夫挥杆动作时序为例 | Yanming Zhu |
| 通过迁移学习，从智能手机拍摄的图像中检测皮肤癌 | Darren Chan, Jack Zhang, Flora Fenghua Yuan |
| 用于高效 Transformer 的动态稀疏体素注意力 | Veljko Skarich, Manel Bermad |
| 探索虚拟试衣中的 LoRA 合并方法 | Steven Songqi Pu, Joey McCoy |
| 寻找合适的穿搭：用于服装检索的视觉语言模型 | Henry Payne Palmer, Upamanyu Dass-Vattam |
| 微调预训练模型，用于压缩皮肤科图像分析 | Eric Cui, Sonnet H Xu |
| 研究扩散模型 VAE 中学习到的通道抑制所起的作用 | Oleg Roshka, Eugenie Shi, Herry Wang |
| 复兴濒危文字：叙利亚文光学字符识别 | Erick Angelo Ramirez |
| 比较视觉生成模型在说话人头像合成中的表现 | Songyu Han, Mustafa Abdelrahim Haroun Fadl, Hannah Rachel Levin |
| 探索将高斯泼溅技术融入一级方程式赛车场景 | Colette Bao-Quan Do, Harviel Kyle Arcilla Arcilla |
| GeoVision：通过感知数据分布的视觉模型，实现旧金山城市精细地理定位 | Mathijs Ammerlaan, Nils Frederik Kuhn, Raul Molina Gomez |
| 用于财务报表分析的计算机视觉 | Ryan Samuel Samadi |
| 在 Waymo Open Dataset 上利用语义、实例与 Transformer 模型进行自动驾驶障碍物检测 | Carlos Henrique Aranguren |
| 利用三维物体先验知识改进三维场景分割 | Laszlo Szilagyi |
| 超越 ViT：通过卷积与注意力融合加速美国手语识别 | Hengjin Tan, Kai Liu, Jingshu Liu |
| 用于野火预测的图像分割 | Nevin George, Anthony Maltsev |
| OmniLoc：利用多视角进行概率视觉地理定位 | Xiyan Shao, Charlie John Haywood |
| StoryCrafter：将漫画式故事板与三维相机动画结合 | Alex Gu, Isaac Hongzhe Kan, Jack P Le |
| 使用稀疏自编码器理解并比较 CLIP 模型学到的特征 | Logan Ivins Graves, Franklin Sheng Zhu |
| 根据视频数据预测 MLB 投球结果 | Ohm Patel, Ishan Chirag Mehta |
| WEBSIGHT：以视觉为主的稳健网页智能体架构 | Tanvir Bhathal, Asanshay Gupta |
| 空中之眼：通过实时视频分析进行二十一点牌面计数 | Mini Rawat, Cameron James Heskett, Ankur Jai Sood |
| 从单张或多张图像重建三维模型 | Zhen Lin |
| CS231n 项目：使用 dSiPM 量能器读出数据进行粒子识别与能量重建 | Bo Liu, Qihua Wang, Liangyu Wu |
| 使用计算机视觉监测蜂巢活动 | Maxime de Belloy |
| 基于扩散模型，将多孔介质显微 CT 图像超分辨到 SEM 尺度 | Lisa Li |
| 与自己的视频对战 | Joshua Boisvert |
| 使用卷积神经网络学习心跳检测中的听诊器放置位置 | Bryan Jang Yit Tiang, Cristian Gabriel Galdeano |
| ProtMAE：通过蛋白质距离图的掩码自编码学习结构感知表示 | Emi Maria Mathew, Aya Aburous, Jad Bitar |
| 使用 Google 街景图像建模城市食物保障不足问题 | David Li |
| 多模态端到端自动驾驶系统 | Bryan Alexis Pineda, Ziyu Li, Kamal Mohammed ElMallah |
| 语言提示分割模型中的图像标签消歧与丰富语义表示 | Justin Anthony Hall, Walter Lopez Chavez |
| MIMIC-CXR 数据集上的可解释多模态深度学习模型 | Zhenghui Chen |
| 探索对比预训练与测试时后训练对垃圾语义分割的影响 | Andy Ouyang, Nishikar Paruchuri, James Cheng |
| 结合迁移学习与 Swin Transformer，从心脏 MRI 中识别冠状动脉疾病 | Natasha Banga |
| ScreenShield：视频中的计算机显示器跟踪与模糊处理 | Aniket Mahajan, Niall Thomas Kehoe |
| 使用带注意力门的改进 ResUNet 统计荧光神经细胞数量 | Aanya Tashfeen |
| GeorAIn：揭开 GeoGuessr 的奥秘 | Fayez Navid Anwar |
| 研究分布偏移下模型解释的稳定性 | Laura Paola Gomezjurado Gonzalez |
| 用于结直肠癌肿瘤检测的空间—光谱深度学习 | Nikhiya Shamsher |
| 通过灵活的空间图像数据结构，推广物理问题解的离散化表示 | Zi Wang |
| 阻挡机器人：通过神经风格迁移增强验证码设计 | Rinnara Sangpisit |
| 用于计算机视觉的桥接聚类 | Ellie Tanimura, Pierre R Labroche |
| 面向地外天体表面感知的统一深度学习架构 | Brian Y Wu |
| 从频谱图估计数字音频效果器参数 | Ethan L Buck, Wesley Kavin Larlarb, Richard Thompson Lee |
| 评估三维 CT 数据的残差学习框架 | Evan Vincent Maestri |
| Hoops Radar：利用 NBA 转播视频跟踪球员 | Tomas Coghlan |
| Diffusion Board：利用离散扩散进行长程预测的端到端国际象棋着法预测流程 | Prerit Choudhary, Akshay Gupta |
| 通过基于特征的微调预测图像地理位置 | Kai Qi Wu |
| 从模式崩塌到领先水平：构建稳健的视觉三维手—物交互理解系统 | Bryan Dong, Howard Ji |
| Cap4Art：通过多任务学习提升图像描述生成能力 | Sunny Yu, Willy Chan, Xiaofei Yan |
| 使用深度神经网络，根据婴儿照片估计年龄 | Marcelo Bernardo Fernandez, Edgar Omar Leon |
| VAE 至关重要：DiT 架构中的潜空间压缩选择 | Sherry Xie, Eric Liu, Artur Barbosa Carneiro |
| 对 BiomedCLIP 进行参数高效微调，用于糖尿病视网膜病变检测 | Kevina Wang, Adi Badlani |
| 变废为宝：使用图像分类算法识别无人机影像中的垃圾 | Alyssa Fong |
| 用于人形机器人高层运动规划的第一视角 RGB-D 感知 | Tae Yang |
| 用于扬声器制造的 AI 声学缺陷检测 | Yitong Lu |
| You Only Dive Once：竞技跳水中的实时姿态评分 | Agnes Liang, Renee Zbizika, Yoshi George Nakachi |
| 航拍视频的分布式三维重建 | Igor Barakaiev |
| 局部注视注意力模型 | Victor Ng |
| 报告 | Harshvardhan Singh |
| 面向自主机器人操作的实时视频分割 | Chetan Reddy Narayanaswamy, Vakula Venkatesh |
| 基于视频的 VO 预测 | Gustavo D Martinez |
| 通过轻量级模型适配缓解胸部 X 光分析中的深度学习偏差 | Clemence Marie Mottez |
| 通过迁移学习适配 MobileNet，识别非规则图像中的常见植物病害 | Medhya Goel |
| 公平诊断：使用 Swin Transformer 降低肺炎检测中的性别偏差 | Yiting Shen, Dante Serafino Koffler |
| 支持快速灾害响应的多模态遥感联合配准 | Evan John Twarog |
| 通过神经数据预训练提升图像分类的对抗鲁棒性 | Shenghua Liu |
| ChessMates：视觉大语言模型下国际象棋的能力如何？ | Rahul Chand |
| 视频描述生成 | Ting Fu |
| Real2Code2Real：结合三维资产生成的可动关节全场景重建 | Eric Liang, Jacob Nathan Goldberg |
| 使用扩散模型后验采样进行 HDR 重建 | Jamin Jia-Ming Xie |
| 结合姿态估计、视觉 Transformer 与动态时间规整的 AI 舞蹈指导 | Arnold Tianyi Yang, Henry Jingsong Zhou, Roshen Sanjay Nair |
| 肌肉骨骼 X 光影像异常检测：项目阶段报告 | Adisa Kruayatidee |
| 通过棋盘与棋子识别生成国际象棋局面表示（FEN） | Matt S Yang, Satya Prakash Biswal, Samruddhi Yashwant Kahu |
| 通过神经时空建模校正 MRI 中的非刚性运动 | Jaehyeok Bae, Aizada Nurdinova, Yimeng Lin |
| 使用生成先验进行单视图三维人体重建 | Zhengmao Liu |
| 结合专用模型与阈值优化的 ResNet-50 集成，缓解深度伪造检测中的类别不平衡 | Jiheng Zhang, Victor Chen, Madhuhaas Gottimukkala |
| 小样本条件下用于语义分割的上下文感知数据增强 | Ariel Tian Wang |
| 边界建模：感知边缘的端到端驾驶 | Kevin James Selig |
| 椅子生成模型（CGM）：结合微调、多视图扩散与形状生成，实现文本生成三维椅子模型 | Gabriel K Bo, Ian Yue-Ran Chen, Marc Bernardino |
| 利用 Infinigen 进行语言驱动的基元式三维场景生成 | Eyrin Kim, Michelle Borg Yan Lau |
| 构建 AI 时尚应用：虚拟试衣 | Shawn Zhang |
| 不利视觉条件下的稳健深度估计 | Wenfu Lei, Jiamin Sun |
| 基于梯度的图像与蛋白质生成 | Jun Woo Kim |
| CS231n 项目：利用热成像视频量化城市公共垃圾桶中的有机垃圾 | Varun Sahay, Pin Li, Seoyoung Oh |
| 水面之下的迁移学习：跨数据集的可解释珊瑚白化分类 | Samantha Estrada |
| FloodscapeDiffuser：利用低秩条件控制扩散模型，模拟洪灾后的卫星影像 | Martin Scott Pollack, Khadijah Anwar, Tony Yu |
| 通过掩码自编码器学习辐照后氟化锂的三维结构 | Piper Fleming, Carolyn Hellerqvist Smith |
| 用于历史手写文本识别（HTR）与数据增强的多模态大语言模型 | Yuanhao Zou |
| 用于驾驶场景重点片段提取的事件检索 | Bingqing Zu, John Ren |
| PrivacyGuard：实时检测并遮蔽敏感视觉信息 | Mutyala Naidu Kannuru |
| 从局部放电数据预测锂离子电池健康状态：比较一维时序模型与新型曲线图像卷积网络 | Steven D. Liu |
| 学习具有预测能力的蜡烛图形态：用于技术分析的视觉 Transformer | Arnav Gupta |
| 用于图像生成的智能体检索与编辑系统 | Berwyn Berwyn |
| 诊断与防御：通过轻量级行为感知注意力门控增强视觉 Transformer 的鲁棒性 | Natalie Si-Chi Kuo, Yanny Gao, Sara Kothari |
| 使用 LipNet 探索视觉语音识别 | Manan Sheth |
| 你从诗中看到了什么？从英国浪漫主义诗歌生成图像 | Md Ahsanur Rashid, Shaoxiong Zhang, Funing Yang |
| Slippify：解析《任天堂明星大乱斗 DX》的游戏画面 | Matthew George Lee, William Hu, Samuel A Do |
| 使用 NIGnets 与神经常微分方程表示无自交几何形状 | Atharva Aalok |
| 从歌词到视觉：用于专辑封面生成的条件 GAN 框架 | Laura Wu, Juliana Ma |
| 通过 LoRA 微调 Stable Diffusion，生成整页中文书法 | Huici Pan, Jieshu Huang, Zhiyin Pan |
| 视觉语言模型图像描述生成的快速推理 | Taeuk Kang, Andrew C Shi, Nash Brown |
| Jack Gross-Whitaker, Dev Narasimhan Gopal | |
| 结合视觉与姿态分类的实时美国手语（ASL）识别 | Elisabeth A Holm, Armando Alejandro Borda |
| 使用 SwinUNet 加速 MRI 重建：通过 Transformer 架构改善图像质量 | Olufeolu Oluwapelumi Kolawole, Yogesh Seenichamy-Venkatesan, Kesavan Ramakrishnan |
| 面向自动驾驶的扩散引导高斯泼溅 | Tao Wang, Maxton Huff |
| 研究预训练视觉基础编码器向机器人操作策略的迁移学习 | Yu Chi Hsu, Yu Wei Lin, Wei-Lin Pai |
| 结合相机嵌入的高保真交通仿真 | Yina Jian, Jerry Gu, Ryan Zhijie Rong |
| BenchPRISM：评测分割模型对物理关系的理解 | Leo Li, Tahmid Jamal |
| ByeBye：零样本人物移除与替换，并插入风格化角色 | Ashwin Mahendran, Arihan Varanasi, Caleb Youngjae Whang Choe |
| 评估 SubCell 基础视觉 Transformer 在酵母细胞周期与蛋白质定位任务上的表现 | Mihajlo Stojkovic |
| 使用深度学习检测皮肤癌 | Keyan Azbijari |
| 主视觉图像是否会延续性别偏见？ | Anika Fuloria |
| 扩散张量成像的自监督去噪方法 | Irmak Sivgin, Kamyar Rajabali Fardi |
| 以风格为引导：多风格艺术迁移中的精细调制 | Christina Ba, Catherine M Zhang |
| 通过关系比较进行弱监督学习 | Junha Lee, Sina Mollaei |
| 利用扩散模型进行轻量级三维补全，修复文化遗产 | Aarya Sumuk |
| 用于 ABBA 的深度学习姿态估计与边界感知小鼠脑切片配准 | Cherry Chen |
| 用于视觉 T 细胞行为建模的多智能体深度学习 | Joseph Li, Sean Tsung, Adrian Sadik Molofsky |
| 训练 CoCo：主体驱动扩散模型中的连续性与一致性 | Eric Lee |
| 岩石图像超分辨率：从 CT 到显微 CT | Zitong Huang, Minghui Xu |
| 为什么 CNN 是模拟机器人抓取任务的常用模型？ | Doug Ian Fulop, Olivia Kelly Taylor, Josh James Citron |
| 缩小现实差距：为食物份量估计生成合成数据 | Ben Shlomo Gur |
| 使用微调后的 BLIP-2 生成结构化放射学报告摘要 | Nahome Gebremariam Hagos |
| 使用视觉语言模型增强智能眼镜的视觉问答能力 | Xinxi Chen, Tianyang Chen |
| DETRmining the Cosmos：基于 Transformer 的星系形态检测 | Kumar Chandra, Renn Su, Max Luis Rodriguez |
| 通过二维与三维语义分割理解室内场景：融合深度信息进行几何感知重建 | Karthik Pythireddi |
| 结合用户互动权重与风格感知的服装搭配评分 | Melissa H Liu, Sally Lee |
| 结合深度隐式解剖形状先验的高斯泼溅三维人手重建 | Jonathan Hui Wen, Elijah Song, Allen Kiriroath Chau |
| DashGuard：通过层次注意力检测行车记录仪视频中的交通事故 | Kory Zifeng Yang, Luca Mondonico |
| 使用计算机视觉进行垃圾分类与管理 | Annie Fan, Jason Sun, Sue Deng |
| 通过视觉滚动检测改进图形界面智能体训练 | Chena Lee |
| 利用深度学习视觉模型检测卫星影像中的停车位：评估光伏车棚建设潜力 | Renee Duarte White, Peiyu Li, Josh Chad Neutel |
| 腹腔镜手术图像分割——CS231n 期末项目报告 | Brian Jonathan Sutjiadi |
| L | Onyinyechi Nichole Okoye |
| STAGED：用于地面事件检测的时空跟踪与分析 | Joshua Logan Shunk |
| JetVision-Mamba：用于高能物理喷注分类的选择性状态空间模型 | Dimitris Ntounis |
| 狗狗不那么神秘的生活 | Bea Lai Kuan Lim |
| 利用图像描述实现上下文感知的图像着色 | Sheena Lai, Haoming Song |
| A.I.R.G.T.R.：基于实时手势的人工智能音调生成 | Jacob Alan Rubenstein, Shane Robinson Mion |
| Ultimate Vision：在视频帧中自主跟踪极限飞盘的系统 | Mallika Parulekar, Yash Suvidh Kankariya |
| 通过人类效用优化与低秩适配对齐文生图扩散模型 | Yiwen Zhang, Wendy Yin, Yicheng Zhang |
| 增强轴承质量控制：基于 CNN 的轴承缺陷分类 | Mengyuan Huang |
| 多模态大语言模型驱动的极限飞盘比赛精彩集锦生成 | Heather Szczesniak, Megan Ja, Farah Shahbaz |
| 在数据丰富条件下评测基于机器学习的南极海冰预测 | Yuchen Li |
| 分割地球：土地覆盖分类的挑战 | Shirley Cheng |
| 根据视频输入进行欺骗行为分类 | Stephanie Stephanie Vezich Tamayo, Lillian Lillian Ma |
| 尽早发现错误，运行得更快：Apple Silicon 上使用 Rust 实现张量形状安全的深度学习 | Jai Krishna Agrawal, Taylor Dosia Tam |
| This is The Way：用于自动驾驶的视觉端到端规划 | Arpit Dwivedi, Purushotham Mani, Anishalakshmi Venkata Palaparthi |
| CS231n 期末项目 | Baptiste Brugerolle, Nael Ghoundale, Erika MacDonald |
| FDSA-GAN：利用频域自注意力 GAN 改进动漫人脸线稿生成 | Richard Wu |
| 系统评估提升 Stable Diffusion 文本—图像语义对齐的独立策略 | Xinxie Wu |
| 通过基于 Transformer 的自监督对比表示学习探索舞蹈表现 | Samuel Alexander Tong |
| DeepSneak：深度伪造视频检测 | Christine Tung, David Hung Tung |
| 低能见度条件下城市人行道的行人危险因素检测 | Adrian Adesola Adegbesan, Sathvik Nori |
| 使用生成式 AI 增强故事（SAGANets）：研究多图像故事生成流程 | Bradley Konane Moon, Connor William Janowiak, Sade U Ried |
| 基于机器视觉的冠状动脉钙化评分 | Ibrahim Kecoglu |
| CustomFX：用于乐器的轻量级手部跟踪模型 | Gayatridevi Dinar Kamat Tarcar, Sid Yu, Owen Jung |
| 面向易用、轻量的居家皮肤筛查 | Nikhil R Lyles |
| 零样本与少样本 CLIPSeg：高效城市特征分割 | Yun-Dam Ko |