XiaoMi-AI文件搜索系统
World File Search System开放
![[AAIC 2024] NIA-AA 研讨会 — 通过开放科学实现阿尔茨海默病的精准医疗](/simg/3/3447591faa7eef50bc733c5a5b70a29d53f2b97d.png)
[AAIC 2024] NIA-AA 研讨会 — 通过开放科学实现阿尔茨海默病的精准医疗
本次会前会议的计划由美国国家老龄化研究所和阿尔茨海默病协会联合制定。本次会前会议的注册由阿尔茨海默病协会独自管理和协调，注册费用不会与美国国家老龄化研究所共享。如果您对注册有任何疑问，请联系阿尔茨海默病协会。
未来的地球联合计划开放呼吁全球...
通过ESA-Future Earth联合计划，邀请未来地球全球研究网络中的研究人员使用地球观察（EO）数据提出案例研究，以解决IPCC气候变化和城市的特别报告的研究主题，并针对低中度收入城市（LMIC）的城市进行了具体的重点。此公开通话旨在将EO数据应用于1）提前了解城市级别的气候影响和风险，或2）开发技术以监控适应性和/或缓解响应方案，以在城市规模上对气候变化和/或其联系。项目应确定与城市利益相关者相关的关键研发挑战，EO可以做出实质性的贡献，并在IPCC文献截止日期（2026年10月）之前提交期刊手稿。项目可以申请20,000欧元 - 30,000欧元的资金。提案的截止日期为2025年2月28日。
美国陆军航空电子设备数字化和开放式架构
请启用 JavaScript 以查看页面内容。您的支持 ID 是：8203161999611281366。这个问题是为了测试您是否是人类访问者并防止自动提交垃圾邮件。
JRDB-Panotrack：一个开放世界的全景进行分割和跟踪拥挤的人类环境中的机器人数据集
自主机器人系统近年来引起了越来越多的关注，在这种环境中，环境是机器人导航，人类机器人互动和决策的关键步骤。现实世界机器人系统通常会从多个传感器中收集视觉数据，并经过重新识别以识别许多对象及其在复杂的人拥挤的设置中。传统的基准标记，依赖单个传感器和有限的对象类和场景，无法提供机器人对策划导航，互动和决策的需求的综合环境理解。作为JRDB数据集的扩展，我们揭开了一种新颖的开放世界式分割和跟踪基准，介绍了一种新型的开放世界式分割和跟踪基准。JRDB-Panotrack包括（1）各种数据室内和室外拥挤的场景，以及
开放式视频视频异常检测
当前的视频异常检测（VAD）方法本质上仅限于封闭设置的设置，并且可能在开放世界应用程序中遇到困难，在培训期间，测试数据中可能存在异常类别。最近的一些研究试图解决更现实的开放式VAD，该研究旨在解散视为异常和正常视频的看不见异常。但是，尽管这种能力对于构建更明智的视频监视系统至关重要，但这种设置着重于预测框架异常得分，没有识别异常类别的能力。本文进一步迈出了一步，并探讨了开放词汇视频异常检测（OVVAD），我们的目的是利用预训练的大型模型来检测和cate-可见和看不见的异常。为此，我们提出了一个模型，该模型将OVVAD分解为两个相互构成的任务 - 类不足的检测和特定于类的分类 - 并共同优化了这两个任务。特别是，我们设计了一个语义知识注入模块，以从大语言模型中引入语义知识以进行检测任务，并设计一种新型的异常合成模块，以在大型视觉生成模型的帮助下生成伪异常视频，以实现分类任务。这些语义知识和综合异常大大扩展了我们模型在检测和分类各种可见和看不见的异常方面的能力。对三个广泛使用的基准测试的实验实验实现了我们的模型在OVVAD任务上实现了最新的性能。
NTIA RFC-开放基础模型
我们发现，对于七个领域中的六个，我们分析的研究并未为开放基础模型的边际风险提供有说服力的证据：他们不考虑框架中的步骤，例如现有技术或防御能力如何适应边际风险。但是，对于与CSAM相关的风险，Thiel等人。（2023）3进行了完整的分析，该分析显示了未能令人满意解决的开放基础模型的边际风险。4为了提供指导，我们对自动网络安全脆弱性检测和NCII进行了初步的边际风险评估，我们发现，当前开放基础模型的边际风险较低，对于自动化脆弱性检测（部分是由于AI的有效性而用于防御的效率），而开放模型的开放型风险对NCII有可能。
安全重新开放计划 Elk_Final
正如新泽西州教育部 (NJDOE) 于 2021 年 4 月 28 日广播中所宣布的，2021 年 3 月，拜登总统签署了《联邦美国救援计划 (ARP) 法案》（公法 117-2）。ARP 法案向各州和学区额外提供 1220 亿美元的中小学紧急救济 (ARP ESSER)，以帮助安全重新开放、维持学校的安全运营并应对 COVID-19 疫情对全国学生的影响。与之前根据《冠状病毒援助、救济和经济安全 (CARES) 法案》和《冠状病毒应对和救济补充拨款法案》(CRRSA) 提供的 ESSER 资金一样，额外资金的目的是支持地方教育机构 (LEA) 为应对 COVID-19 对教育工作者、学生和家庭的影响做好准备。有关 ARP ESSER 的更多信息，请参阅 NJDOE 的资金比较情况说明书。
生成量子颜色成像-CVF开放访问
单光摄像机的惊人发展为科学和工业成像创造了前所未有的机会。但是，这些1位传感器通过这些1位传感器进行的高数据吞吐量为低功率应用创造了重要的瓶颈。在本文中，我们探讨了从单光摄像机的单个二进制框架生成颜色图像的可能性。显然，由于暴露程度的差异，我们发现这个问题对于标准色素化方法特别困难。我们论文的核心创新是在神经普通微分方程（神经ode）下构建的暴露合成模型，它使我们能够从单个观察中产生持续的暴露量。这种创新可确保在Col-Orizers进行的二进制图像中保持一致的曝光，从而显着增强了着色。我们演示了该方法在单图像和爆发着色中的应用，并显示出优于基准的生成性能。项目网站可以在https://vishal-s-p.github.io/projects/ 2023/generative_quanta_color.html
用基因组编辑和数字技术开放Mirai
ltp e qvvaiashdggkqaletvqrllpvlcq a hg ltp d qvvaiashdggkqaletvqrllpvlcq a hg ltp a qvvaiashdggkqaletvqrllpvllpvlcq d hg
SFOD：脉冲融合物体探测器 - CVF 开放存取
事件相机具有高时间分辨率、高动态范围、低功耗和高像素带宽等特点，为特殊环境中的物体检测提供了独特的功能。尽管有这些优势，事件数据固有的稀疏性和异步性对现有的物体检测算法提出了挑战。脉冲神经网络 (SNN) 受到人脑编码和处理信息方式的启发，为这些困难提供了潜在的解决方案。然而，在当前的实现中，它们在使用事件相机进行物体检测方面的性能受到限制。在本文中，我们提出了脉冲融合物体检测器 (SFOD)，一种基于 SNN 的简单有效的物体检测方法。具体而言，我们设计了一个脉冲融合模块，首次实现了应用于事件相机的 SNN 中不同尺度特征图的融合。此外，通过整合我们在 NCAR 数据集上对主干网络进行预训练期间进行的分析和实验，我们深入研究了脉冲解码策略和损失函数对模型性能的影响。从而，我们建立了基于 SNN 的当前最佳分类结果，在 NCAR 数据集上实现了 93.7% 的准确率。在 GEN1 检测数据集上的实验结果表明，SFOD 实现了 32.1% 的当前最佳 mAP，优于现有的基于 SNN 的方法。我们的研究不仅强调了 SNN 在事件摄像机物体检测中的潜力，而且推动了 SNN 的发展。代码可在 https://github.com/yimeng-fan/SFOD 获得。