XiaoMi-AI文件搜索系统
World File Search System掩码
从合成数据中学习机器人学习的可扩展配方...
Lucidsim一次提供了所有三种解决方案。首先，我通过围绕Mujoco物理引擎构建并使用对象掩码和深度从模拟器构成和调节生成的图像来使数据实现和多样化。这确保了与场景几何形状的视觉一致性。为了减轻由于这种调节而导致的样本多样性的丧失，我通过从Chatgpt采购结构化图像提示来注入变化。第二，我通过一种新技术（DIM）提高了渲染速度，该技术通过机器人的摄像头姿势和场景几何形状计算得出的光流，将单个生成的图像扭曲为连续的帧。昏暗的使Lucidsim更快。最后，要生成policy数据，我们需要在封闭循环中运行图像生成，视觉策略在每个时间步骤中都会使用生成的图像。让Lucidsim“ Go Burrr”是关键，因此我开发了系统工具来分发轨迹采样，图像翘曲和跨80 + GPU的图像生成。Lucidsim的结果表明，闭环培训完全负责获得视觉政策以达到专家级的性能。
标签：在任何粒度上跟踪
我们在任何粒度（标签）中介绍跟踪：用于跟踪视频中任意目标的新任务，模型和数据集。我们寻求一种跟踪方法，将点，零件和对象视为同样可跟踪的目标类型，这是一个事实，即这些粒度之间的区别是模棱两可的。我们为任务介绍了通用的高容量变压器，作为输入视频和目标提示（指示要跟踪的内容，以单击，框或掩码的形式跟踪），并在每个帧上输出目标的分割时产生。为了训练模型，我们几乎汇总了我们所知道的几乎所有公共可用的跟踪数据集，目前总计75个，总计数百万的带有跟踪注释的剪辑，包括长长的稀有主题，例如昆虫上的身体关键点和显微镜数据。我们的模型在标准基准测试基准上具有竞争力，用于点跟踪，掩盖跟踪和盒子跟踪，但更重要的是，在很大程度上要归功于数据工作。我们将公开发布我们的代码，模型和汇总数据集，以提供运动和视频理解的基础模型，并促进该方向的未来研究。
在线锂离子电池智能感知热量...
- 将锂离子电池配备合理的热故障诊断可以避免热失控，并确保电池安全可靠。这项研究构建了一个锂电池热故障诊断模型，该模型基于参数和结构的电池数据集优化了原始掩模区域的Con Volutional Volutional Network。模型处理电池表面的热图像，确定有问题的电池并找到有问题的区域。骨干网络用于处理电池热IM年龄并提取功能信息。通过RPN网络，对热功能进行了分类和回归，并使用蒙版分支最终确定电池故障的位置。此外，我们还基于电池数据集优化了基于掩码区域的卷积神经网络，这既是参数和结构。在大多数情况下，改进的LBIP-V2的性能优于LBIP-V1。我们测试了单细胞电池数据集，13S电池组数据集和扁平的1P3电池组数据集上LBIP的性能。结果表明，LBIP的识别精度超过95％。同时，我们在0 - 15分钟内模拟了13S电池组的故障，并测试了LBIP在实时电池故障诊断中的有效性。结果表明，LBIP可以有效响应在线故障，置信度超过98％。
重新思考具有改进内存覆盖范围的时空网络以实现高效的视频对象分割
本文介绍了一种在视频对象分割背景下对时空对应关系进行建模的简单而有效的方法。与大多数现有方法不同，我们直接在帧之间建立对应关系，而无需为每个对象重新编码掩码特征，从而形成一个高效而强大的框架。利用对应关系，可以通过以联想方式聚合过去的特征来推断当前查询帧中的每个节点。我们将聚合过程视为投票问题，发现现有的内积亲和力导致内存使用率低下，一小部分（固定）内存节点占据投票主导地位，无论查询如何。鉴于这种现象，我们建议使用负平方欧几里得距离来计算亲和力。我们验证了每个内存节点现在都有机会做出贡献，并通过实验表明这种多样化投票有利于提高内存效率和推理准确性。对应网络和多样化投票的协同作用非常出色，在 DAVIS 和 YouTubeVOS 数据集上都取得了新的最先进的结果，同时对于多个对象以 20+ FPS 的速度显着提高运行速度，并且没有任何花哨的功能。
Saga：基于 EEG 的脑机接口稀疏对抗攻击
摘要随着脑机接口 (BCI) 的最新进展，脑电图 (EEG) 分析得到了各个领域的广泛研究关注。了解 EEG 分析的弱点对于在日常生活中安全地应用这项新兴技术非常重要。最近的研究表明，在 EEG 数据上添加小扰动时，EEG 分析容易受到对抗性攻击。然而，对于在仅攻击一小部分数据的稀疏扰动下 EEG 分析的稳健性的研究较少。在本文中，我们首次深入研究了稀疏扰动下 EEG 分析的稳健性，并提出了第一个稀疏对抗性 eeG 攻击 SAGA，以识别 EEG 分析的弱点。具体而言，通过将 EEG 数据视为从多个通道收集的时间序列，我们设计了一个自适应掩码来统一表示对抗性攻击中的不同稀疏性。我们进一步引入了基于 PGD 的迭代求解器，在给定的稀疏性约束下自动选择时间步长和通道，并有效地识别 EEG 数据上的对抗性示例。大量实验表明，SAGA 可以有效地生成稀疏扰动，并且仅通过扰动 5% 的通道和时间步长就平均导致准确率下降 77.02%。
![arXiv:2104.06918v3 [quant-ph] 2021 年 4 月 22 日](/simg/f\f58593b4b640f06bc37aeca5c5bb7e9db79f54a8.webp)
arXiv:2104.06918v3 [quant-ph] 2021 年 4 月 22 日
量子机器学习是噪声中型量子 (NISQ) 时代量子计算最有前途的应用之一。在此，我们提出了一种受卷积神经网络 (CNN) 启发的量子卷积神经网络 (QCNN)，与经典神经网络相比，它大大降低了计算复杂度，具有 O (( log 2 M ) 6 ) 个基本门和 O ( m 2 + e ) 个变分参数，其中 M 是输入数据大小，m 是滤波器掩码大小，e 是哈密顿量中的参数数量。我们的模型对于图像识别任务具有一定的噪声鲁棒性，并且参数与输入大小无关，这使其对近期的量子设备很友好。我们用两个明确的例子演示了 QCNN。首先，将 QCNN 应用于图像处理并对三种类型的空间滤波、图像平滑、锐化和边缘检测进行了数值模拟。其次，我们展示了 QCNN 在图像识别中的表现，即手写数字的识别。与前人的研究相比，该机器学习模型能够提供与特定经典卷积核精确对应的可实现量子电路，为将 CNN 直接转化为 QCNN 提供了有效途径，为大数据时代利用量子能力处理信息开辟了前景。
多模式面部图像生成的扩散驱动的GAN倒置
摘要我们提出了一种新的多模式面部图像生成方法，该方法将文本提示和视觉输入（例如语义掩码或涂鸦图）转换为照片真实的面部图像。为此，我们通过使用DM中的多模式特征在预训练的GAN的潜在空间中使用多模式特征来结合一般的对抗网络（GAN）和扩散模型（DMS）的优势。我们提供了一个简单的映射和一个样式调制网络，可将两个模型链接起来，并在特征地图和注意力图中将有意义的表示形式转换为潜在代码。使用gan inversion，估计的潜在代码可用于生成2D或3D感知的面部图像。我们进一步提出了一种多步训练策略，该策略将文本和结构代表反映到生成的图像中。我们提出的网络生成了现实的2D，多视图和风格化的面部图像，这些图像与输入很好。我们通过使用预训练的2D和3D GAN来验证我们的方法，我们的结果表现优于现有方法。我们的项目页面可在https://github.com/1211SH/diffusion-driven_gan-inversion/。
视觉问题的跨模式关系推理网络回答
视觉问题回答（VQA）是一项具有挑战性的任务，需要通过关系推理对图像和问题进行跨模式理解，从而导致正确答案。为了弥合这两种方式之间的语义差距，以前的作品着重于所有可能对的单词区域对齐，而无需更多地关注相应的单词和对象。同样处理所有对，而无需考虑关系一致性，这是模型的性能。在本文中，为了对齐关系对并整合VQA系统的解释性，我们提出了一个跨模式的关系构建网络（CRRN），以掩盖不一致的注意力图，并突出相应单词对的全部潜在比对。具体来说，我们提出了两个相关性掩码，用于模式间和模式内突出显示，从而推断出图像中句子或区域中越重要的单词。可以通过掩盖未对齐的关系来增强一致对的关注相互关系。然后，我们提出了两个新颖的损失L CMAM和L SMAM，并具有明确的超级视觉，以捕获视觉和语言之间的细粒度相互作用。我们进行了彻底的实验来证明有效性并实现了GQA基准的竞争性绩效，以达到61.74％。
在193 nm
在193 nm处的光刻是在光刻中从436到365到248 nm的自然延续，这取决于不断较高的分辨率的要求。预计193 nm的光刻将在使用常规面具和O.带有相位转移掩码的18-JLM分辨率。正在解决此新波长时与光刻相关的主要问题。已显示出高度透明的光学材料在193 nm处可用。此外，激光辐射以足够缓慢的速度损坏它们，预计高质量投影光学元件将在10年的全日制运行中执行。因此，正在构建193 nm的踏扫描系统，其设计为在22 x 35 mm的场上达到0.25-L-LM分辨率。已经证明了193 nm光孔师方案的范围。它们包括半透明的单层固定，正色调表面成像（sily！ation）以及使用基于Ultrathin硅聚合物的负色调双层。在大多数情况下，我们已经证明了Sub-O.25-TTM分辨率，高光敏性，良好的暴露量化纬度和非常低的蚀刻残基。总的来说，已经采取了全面设计的193 nm光刻的成功步骤，并且没有预期的主要障碍。
attmoe：注意与锂离子电池的使用寿命预测的专家混合在一起
对于锂离子（锂离子）电池，诸如材料老化和容量衰减之类的问题会导致电池性能降解甚至灾难性事件。预测剩余的使用寿命（RUL）是指示锂离子电池健康的有效方法，这有助于提高电池动力系统的可靠性和安全性。我们提出了一个新型的神经网络Attmoe，该网络将注意力机制与专家（MOE）的混合物结合在一起，以捕获电池RUL预测的容量淡出趋势。面对从传感器收集的原始数据始终充满噪音的问题时，Attmoe使用辍学掩码来代替原始数据。为了进行RUL预测，一个关键思想是，注意机制捕获了序列中的元素和更多注意力之间的长期依赖性，这是对包含更多降级信息的重要特征。另一个关键思想是，MoE使用许多专家来提高模型能力以实现更好的表示。最后，我们使用两个公共数据集进行了实验，以表明ATTMOE在RUL预测中有效，并且在相对误差方面提高了10％–20％。我们的项目都是开源的，可在https://github.com/xiuzezhou/rul上找到。