XiaoMi-AI文件搜索系统
World File Search System细粒度
检测具有细粒度不一致的视听深击
现有的视听深击检测方法主要集中于高级效率，以建模音频和视觉数据之间的矛盾。因此，这些副本通常忽略了更精细的视听伪像，这些伪影是深击所固有的。在此，我们提出了引入细粒机制，以检测空间和时间域中的微妙人物。首先，我们引入了一个本地视听模型，该模型能够捕获容易与音频不一致的小空间区域。为此，采用了基于空间本地距离与注意模块的细粒机制。第二，我们引入了一个暂时的伪假增强，以包括在训练集中结合暂时性不一致的样品。在DFDC和FakeAvceleb数据集上进行的实验证明了所提出的方法在泛化方面与在数据库和交叉数据库设置下的最新技术相比，在概括方面具有优越性。
在说服力论文中迈向细粒度的论证策略分析
参数挖掘（AM）在过去十年中已成长为研究领域（Stede and Schneider，2018； Lawrence and Reed，2020年），重点是自动识别和提取自然语言论证的任务。这包括对论点组件的检测，例如主张（Daxenberger等人。，2017年； Schaefer等。，2022）和前提（Rinott等人，2015年），以及它们之间的关系（Carstens和Toni，2015年）。研究已在不同的文本域上进行了研究，例如更编辑的文本，例如社论（Al-Khatib等人，2016年）或Wikipedia文本（Rinott等人，2015年），到社交媒体，例如改变我的观点（Hidey等人，2017年）或Twitter（Schaefer and Stede，2022）。到目前为止，感兴趣的领域是一个识别论证策略的识别，即作者在线性化论证上做出的决定并用语言表达式以有说服力的效果标记（Al-Khatib等人）（Al-Khatib等人），2017年； El Baff等。，2019年）。有效性，可以描述为参数的一个维度 -
用于 fMRI 分析的功能模式细粒度图谱
群体成像显著增加了功能成像数据集的大小，为个体间差异的神经基础提供了新的见解。分析这些大数据带来了新的可扩展性挑战，包括计算和统计方面的挑战。因此，大脑图像通常总结为几个信号，例如使用大脑图谱或功能模式减少体素级测量值。选择相应的大脑网络非常重要，因为大多数数据分析都是从这些减少的信号开始的。我们贡献了精细解析的功能模式图谱，包含 64 到 1024 个网络。这些功能模式词典 (DiFuMo) 是在数百万个 fMRI 功能性大脑体积上训练的，总大小为 2.4TB，涵盖了 27 项研究和许多研究小组。我们展示了在我们的细粒度图谱中提取精简信号对许多经典功能数据分析流程的好处：从 12,334 个大脑反应中解码刺激、跨会话和个体的 fMRI 标准 GLM 分析、提取 2,500 个个体的静息状态功能连接组生物标志物、对超过 15,000 个统计图进行数据压缩和荟萃分析。在每一个分析场景中，我们都将我们的功能图谱与其他流行参考资料的性能进行比较，并与简单的体素级分析进行比较。结果强调了使用高维“软”功能图谱来表示和分析大脑活动同时捕捉其功能梯度的重要性。高维模式的分析实现了与体素级类似的统计性能，但计算成本大大降低，可解释性更高。除了提供它们之外，我们还根据这些模式的解剖位置为其提供有意义的名称。这将有助于报告结果。
旨在实现连接和自动驾驶汽车中数据的细粒度访问控制
摘要 - 经常使用大量的板载传感器和应用程序，以支持自主驾驶功能。基于当前的研究，几乎没有对应用程序访问车辆内数据的工作。此外，大多数现有的自动驾驶操作系统都缺乏身份验证和加密单位。因此，申请可以过多地获取一致的信息，例如车辆位置和所有者偏好，甚至将其上传到云中，威胁到车辆的安全性和所有者的隐私。在这项研究中，我们提出了一种细粒度的访问控制方案，以限制应用程序对CAVS（FGAC-INCAVS）中数据的访问。首先，我们提出了一个由以下要素组成的系统模型：受信任的第三方（TTP），这是完全值得信赖的权威；感知组件（例如传感器），可以捕获道路信息（图片，视频等）。）;和多个应用程序。然后，提出了一个基于快速属性的加密（ABE），安全分析还表明，它可以防止选择性和选择性攻击。此外，我们提出了一个基于中文剩余定理（CRT）的关键更新方案。最后，理论分析和仿真实验证明了其可行性和效率。
基于区块链的公平且细粒度的数据交易，具有隐私保护
摘要 - 在本文中，我们提出了一个基于区块链的公平和隐私的数据交易计划，该计划支持细粒度的数据销售。首先，要通过将基于属性的凭据，加密和零知识证明来实现公平性，我们设计了一个数据交易方案，其中买方首先在区块链上发布了所需的数据属性，并且数据卖家只能通过仅公开所需的数据属性来证明数据属性的数据属性，并证明数据购买者的数据属性。只有将正确的密钥材料上传到区块链时，数据购买者才会转移资金。第二，为了保证细粒度的数据交易并保留身份隐私，我们在其根节点上具有签名的数据的密文上构建了一个默克尔哈希树，这使数据销售者可以将数据分为块，并从数据中删除敏感信息，而不会影响数据可用性可用性。在交易期间，数据销售商的公钥未泄漏给数据购买者。此外，无法链接来自同一数据销售商的不同交易交易。我们正式证明我们的计划实现了所需的安全属性：公平和隐私保护。仿真结果证明了所提出的方案的可行性和效率。
细浓度：通过扩散模型进行细粒度及时驱动的3D人姿势估计
3D人姿势估计（3D HPE）任务使用2D图像或视频来预测3D空间中的人类关节坐标。尽管最新的基于深度学习的方法取得了进步，但它们主要忽略了可访问的文本和自然可行的人类知识的能力，而错过了有价值的隐性监督，以指导3D HPE任务。此外，以前的努力经常从整个人体的角度研究这项任务，从而忽略了隐藏在不同身体部位的细粒度指导。为此，我们基于3D HPE的扩散模型（名为FinePose）提出了一个新的细粒及时驱动的DeNoiser。它由三个核心块组成，增强了扩散模型的反向过程：（1）通过耦合辅助辅助文本和可学习的提示以模拟隐式指南的耦合知识，并通过耦合的辅助辅助文本和自然可行的零件知识，可以通过耦合的辅助辅助文本和自然可行的零件知识来构建精细的部分零件感知的提示。（2）Fine-
卫星和地面视图之间的跨注意，以增强细粒度的机器人地理位置
跨视图图像地理位置定位旨在通过用GPS标记的卫星图像补丁绘制当前的街道视图图像来确定户外机器人的位置。最近的作品在识别卫星贴片中达到了显着的准确性，该卫星贴片在机器人所在，其中将中央像素在匹配的卫星贴片中用作机器人粗糙位置估计。这项工作着重于机器人在已知的卫星贴片中的细粒度定位。现有的细颗粒定位工作利用相关操作来获得卫星图像本地描述符和街道视图全局描述符之间的相似性。基于衬里匹配的相关操作简化了两个视图之间的相互作用过程，从而导致距离误差很大并影响模型的概括。为了解决这个问题，我们设计了一个具有自我注意力和跨注意层的跨视图功能fu-sion网络，以取代相关操作。此外，我们将分类和回归预测结合在一起，以进一步降低位置距离误差。实验表明，我们的新型网络体系结构的表现优于最先进的，可以在看不见的地区更好的概括能力。具体而言，我们的方法在同一区域和在活力基准的同一区域和看不见的区域中分别将中位定位距离误差降低了43％和50％。
MCCSTN：主题驱动样式转移的多尺度对比度和细粒度融合网络
艺术图像的抽象风格转换是当前图像处理字段的重要组成部分。为了访问样式图像的美学艺术表达，最近的研究将注意机制应用于样式转移领域。这种方法通过计算注意力然后通过解码器迁移图像的艺术风格来将样式图像转换为令牌。由于原始图像和样式图像之间的语义相似性非常低，因此导致许多细粒度的样式特征被丢弃。这可能导致不一致的人工制品或明显的文物。为了解决这个问题，我们提出了MCCSTN，这是一种新型样式表示和转移框架，可以适应现有的任意图像样式转移。具体来说，我们首先将功能融合模块（MCCFORMER）引入样式图像中的美学特征，并在内容图像中具有细粒度的特征。特征地图是通过MCCFORMER获得的。然后将功能图馈入解码器以获取我们想要的图像。为了减轻模型并迅速训练，我们考虑了特定样式与整体样式分布之间的关系。我们引入了一个多尺度的增强对比模块，该模块从大量图像对中学习了样式代表。代码将发布在https://github.com/haizhu12/mccstn
中国经济型酒店在线住客评论的细粒度情绪分析
作者简介 Jiaqi Luo 博士（ORCID ID：https://orcid.org/0000-0001-8961-505X）是华东师范大学经济与管理学院旅游管理系的讲师。她的研究兴趣包括旅游与酒店营销、旅游大数据和博彩旅游。她曾在《旅游管理》、《当代酒店管理国际期刊》和《目的地营销与管理期刊》等主要旅游和酒店学期刊上发表过文章。 Songshan (Sam) Huang 博士（ORCID ID：https://orcid.org/0000-0003-4990-2788）是伊迪斯科文大学商学院旅游和服务营销研究教授。他的研究兴趣包括游客行为、目的地营销、导游以及各种中国旅游和酒店学问题。他在主要旅游和酒店学期刊上发表了大量关于中国游客行为和中国旅游和酒店学问题的文章，包括《旅游管理》、《旅游研究期刊》和《酒店管理国际期刊》。王仁武，博士，华东师范大学经济与管理学院信息管理系副教授。他的研究兴趣包括数据分析和数据挖掘、机器学习和深度学习。资助详情：本研究由国家社会科学基金资助