XiaoMi-AI文件搜索系统
World File Search System细粒
vqcnir：使用矢量的清晰夜图像修复 -
夜间摄影经常在低光和模糊之类的挑战中挣扎，源于黑暗的环境和长时间的暴露。当前方法要么无视Pri-ors，直接拟合端到端网络，导致不稳定的照明，要么依靠不可靠的手工制作的先验来限制网络，从而为最终结果带来了更大的错误。我们相信，数据驱动的高质量先验的力量，并努力在事先提供可靠和同意的情况下，规避了手动先验的限制。在本文中，我们提出了使用矢量量化的代码书（VQCNIR）更清晰的夜间图像修复，以实现对现实世界和合成基准测试的重新恢复结果。为了确保忠实地恢复细节和照明，我们提出了两个基本模块的合并：自适应照明增强仪（AIEM）和可变形的双向交叉注意（DBCA）模块。AIEM利用了功能与动态照明功能和高质量代码簿功能之间的一致性的通道间相关性。同时，DBCA模拟通过双向交叉注意和可变形的会议有效地整合了纹理和结构信息，从而增强了平行解码器之间的细粒细节和结构性保真度。广泛的实验验证了VQCNIR在弱光条件下增强图像质量的显着好处，展示了其在合成和实际数据集中的最新性能。该代码可在https://github.com/alexzou14/vqcnir上找到。
通过快速剪切疲劳方法
提出了一种高度加速的剪切疲劳测试方法，以测试长期的可靠性并揭示热cu e cu球键的粘结界面。该方法是对新的工业疲劳测试仪（BAMFIT）的适应，并且可以在没有复杂的标本制备的情况下进行。此方法诱导机械循环剪应力向Cu指甲发出，以引发疲劳性断裂直至升出，从而揭示了实际的粘合界面。这项研究比较了与粗粒和细粒铜和Al金属化粘合的Cu电线的抗疲劳性。疲劳实验伴随着纳米压痕测试，剪切测试和有限元分析。疲劳结果表明，粗粒状Cu垫（金属化）的CU键最佳，然后是在细粒度Cu上键的键，而Cu e Al Nailheads比Cu e Cu键早于十年。在测试之前退火样品会导致CU键和Cu e Al键的负载周期数量（N F）的量略有增加，而N F中Cu键的散射增加了。由于断裂概率曲线的变化，疲劳数据的计算出的耐力极限随着退火阶段的增加而减少。具有比较几分钟内粘结界面的疲劳行为的能力，此方法最适合在开发的早期阶段快速资格。
pdf-近data
4附近数据库概述10 4.1威胁模型。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。10 4.2在附近的情况下发动攻击。。。。。。。。。。。。。。。。。。。。。。。。。。。。11 4.3安全策略。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。12 4.4政策Ninesitions。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>13 4.5细粒政策定义。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>13 4.6数据经纪组件和架构师。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>15 4.6.1使用碎石的代谢物积分。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。 div>。。。。。。。。17 4.6.2机密身份和访问经理。。。。。。。。。。。。。。。。。。。。。18 4.7治理和政策委员会。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。19 4.7.1访问控制。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。20 4.7.2政策委员会。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。22
Synergynet：弥合离散和连续表示之间的差距，以进行精确的医学图像分割
近年来，已经提出了连续的潜在空间（CLS）和DISCRETE潜在空间（DLS）深度学习模型，以改善医学图像分析。但是，这些模型遇到了不同的挑战。cls模型捕获了复杂的细节，但由于其强调低级特征，因此在结构表示和易男性方面通常缺乏解释性。尤其是，DLS模型提供了可解释性，鲁棒性以及由于其结构性潜在空间而捕获粗粒度信息的能力。但是，DLS模型在捕获细粒细节方面的功效有限。为了确定DLS和CLS模型的局限性，我们采用了Synergynet，这是一种新型的瓶颈体系结构，旨在增强现有的编码器 - 核编码器分割框架。Synergynet无缝地将离散和连续的表示形式整合到利用互补信息中，并成功保留了细学的表示的细节。我们对多器官分割和CAR-DIAC数据集进行的实验实验表明，SynergyNet的表现优于包括Transunet：Transunet：DICE评分提高2.16％的其他最新方法，而Hausdorff分别分别提高了11.13％。在评估皮肤病变和脑肿瘤分割数据集时，我们观察到皮肤病变分割的交互分数的1.71％的重新提高，脑肿瘤分割的增长率为8.58％。我们的创新方法为增强医学图像分析关键领域中深度学习模型的整体性能和能力铺平了道路。
Rho激酶（岩石）抑制剂诱导BRCA2缺陷细胞中多种有丝分裂缺陷和合成致死性
抽象的静息状态功能性MRI（RS-FMRI）被广泛用于检查婴儿的动态大脑功能发育，但是这些研究通常需要精确的皮质细胞层析图，由于婴儿和成人之间功能性大脑的实质性差异，无法直接从基于成人的功能性分层图中借用。创建婴儿特异性皮层拟层图是高度期望的，但由于在获取和加工婴儿脑MRIS上的困难，因此仍然具有挑战性。在这项研究中，我们利用了1064个高分辨率的纵向RS-FMRIS，从197个通常从出生到24个月的婴儿和幼儿开始，他们参加了Baby Connectome项目，以开发第一组婴儿，表面性的，表面基于表面的皮质功能型映射。为了建立跨个体的有意义的皮质功能对应关系，我们使用皮质折叠几何特征和功能连接性（FC）进行了皮质共同注册。然后，我们根据年龄相关和与年龄无关的皮质划线图产生了基于跨个体的局部FC的局部梯度图，在婴儿期间具有超过800个细粒度的包裹。这些分析图揭示了复杂的功能发育模式，例如局部梯度，网络规模和局部效率的变化，尤其是在产后的前9个月。我们的生成细粒婴儿皮层功能分析图可在https：// www上公开获得。nitrc.org/projects/infanturfatlas/用于前进儿科神经影像学领域。
跟上KEMS：KEM的更强安全概念和基于KEM的协议的自动分析
关键封装机制（KEMS）是混合加密和现代安全协议的关键构建块，尤其是在量式后环境中。鉴于收件人的不对称公钥，原始键在发送者和收件人之间建立共享的秘密密钥。近年来，已经提出了大量的KEM的抽象设计和具体的实现，例如，在Quantum后原语的NIST过程中。在这项工作中，我们（i）为KEM建立了更强大的安全性概念，（ii）开发了一种符号分析方法来分析使用KEMS的安全协议。首先，我们在计算环境中概括了KEM的现有安全性概念，引入了一些更强的安全概念并证明其关系。我们的新属性正式化了kem的输出，即唯一确定，即绑定其他值。可以使用我们的新绑定属性，例如，证明没有先前的安全概念未捕获的攻击。在其中，我们确定了我们重新封装攻击的新攻击类别。第二，我们开发了一个与我们的计算安全概念层次结构相对应的细粒符号模型的家族，并且适合基于KEM的安全协议的自动分析。我们将模型编码为Tamarin Prover框架中的库。给定基于KEM的协议，我们的方法可以自动得出KEM所需的最小结合特性；或者，如果还给出了具体的KEM，可以分析该协议是否符合其安全目标。在案例研究中，塔玛林会自动发现，例如，在原始的kyber论文[12]中提出的关键交换协议需要比[12]中证明的KEM的属性更强。
相互信息，黑洞中的岛屿和页面曲线
摘要在本文中探讨了子系统在页面曲线中的共同信息所起的作用。与由黑洞和辐射组成的总系统以及岛上的包含，我们观察到，B +和B-之间的互信息消失了，这又意味着纠缠楔的断开相对应于B + b + b--，产生了乱七八糟的时间。这会导致与正确页面曲线一致的鹰辐射的细粒度熵的时间独立表达。我们还发现了以对数和反向幂定律形式的熵和页面时间的纠正。从重力理论的角度来看，信息损失悖论一直是最基本的问题之一[1，2]。对于蒸发的黑洞，已经表明，相对于观察者的时间，辐射单调的熵增加。但是，单一进化的过程要求在蒸发过程结束时这种熵消失。为此而言。在物质崩溃之前，全曲片上的量子场状态是纯净的，在黑洞蒸发后应保持相同。此外，页面曲线[3，4]描绘了辐射熵的时间依赖性。页面曲线有效地通过引入称为页面时间t p的时间尺度来解决信息丢失悖论的问题。根据页面曲线的信息损失悖论可以理解如下。霍金辐射的细粒度熵是由黑洞外部区域R上的量子场的von Neumann熵确定的。现在假设完整的cauchy片上的状态为纯状态，辐射s（r）= s（r c）的细粒熵，其中s（r c）可以理解为纤维粒的熵
![arxiv：2408.16219v1 [cs.cv] 2024年8月29日](/simg/0\0502b021f1893f24939ba12f4be822eae58da4bd.webp)
arxiv：2408.16219v1 [cs.cv] 2024年8月29日
在过去的几年中，Yolo系列模型已成为对象检测领域中的主要方法之一。许多研究通过修改其体系结构，提高数据质量并开发新的损失功能来提出这些基线模型。但是，当前模型仍然在处理特征图中表现出缺陷，例如俯瞰跨尺度特征的融合以及缺乏动态功能调整功能的静态融合方法。为了解决这些问题，本文介绍了E ffi cient细粒度的多尺度动态选择模块（FMDS模块），该模块采用了更具EFF的动态功能选择和融合方法，可在细粒的多尺度特征图中进行，从而显着增强了中小型，中等，中等和大型环境的检测精度。此外，本文提出了一个自适应门控的多分支焦点融合模块（AGMF模块），该模块利用多个平行分支执行由封闭式单位分支，FMDS模块分支和三重线分支进行互补的融合。这种方法进一步增强了特征融合的全面，多样性和完整性。本文将FMDS模块AGMF模块集成到Yolov9中，以开发一种名为FA-Yolo的新型对象检测模型。广泛的实验结果表明，在相同的实验条件下，FA-YOLO在Pascal VOC 2007数据集上达到了66.1％的平均平均精度（MAP），比Yolov9的65.1％提高了1.0％。此外，与Yolov9的42.1％，51.5％和69.9％相比，小型，中和大型目标的FA-YOLO的检测准确性分别为44.1％，54.6％和70.8％。
探索大型基础模型的开放潜力...
开放式摄取的人类对象相互作用（HOI）的构图与检测以自然语言为指导的新型HOI的问题有关，这对于不认为以人为中心的场景至关重要。然而，先前的零射HOI检测器通常使用相同水平的图形图来模拟距离的HOI，从而在包含具有较大距离的人类对象对的场景中导致次优性能。此外，这些检测器主要依赖类别名称，并概述语言可以提供的丰富上下文信息，这对于捕获通常很少见的开放词汇概念至关重要，而单独使用类别名称的词汇量不佳。在本文中，我们引入了一种新型的端到端开放词汇HOI检测框架，该框架具有有条件的多级解码和细粒度的semantic增强（CMD-SE）（CMD-SE），从而利用了视觉语言模型（VLMS）的潜力。具体来说，我们建议通过在两部分匹配过程中结合软性结合来对具有不同特征图的不同距离的人类对象对进行建模。更重要的是，通过利用大型语言模型（LLM），例如GPT模型，我们利用了他们广泛的世界知识来生成人体部分状态的描述，以进行各种相互作用。然后，我们整合了人体部分的泛化和细粒语义，以证明相互作用的识别。在两个数据集（Swig-hoi和Hico-det）上进行的实验结果表明，我们提出的方法达到了最新的方法，可以实现开放的词汇HOI检测。代码和模型可在https://github.com/ltttpku/cmd-se-版本中使用。
事件摄像机的密集连续时间流量
摘要 - 我们提出了一种估算事件数据的密集连续时间光流的方法。传统的致密光流方法计算两个图像之间的像素位移。由于缺少信息，这些方法无法在两个图像之间的盲时间中恢复像素轨迹。在这项工作中，我们表明可以使用事件相机中的事件来计算每像素，连续的光流。事件由于其渐进性和微秒响应时间而提供了有关像素空间中运动的时间细粒信息。我们利用这些好处来通过参数化的B´ezier曲线在连续的时间内密集地预测像素轨迹。为了实现这一目标，我们构建了一个具有强大诱导偏见的神经网络：首先，我们使用事件数据及时构建了多个顺序相关量。第二，我们使用B´ezier曲线在沿轨迹的多个时间戳上为这些相关量索引。第三，我们使用检索到的相关性迭代更新B´ezier曲线表示。我们的方法可以选择包括图像对，以进一步提高性能。据我们所知，我们的模型是可以从事件数据中回归密集的像素轨迹的第一种方法。为了训练和评估我们的模型，我们引入了一个合成数据集（Multiflow），该数据集（Multiflow）具有每个像素的移动对象和地面真相轨迹。开源代码和数据集向公众发布。我们的定量实验不仅表明我们的方法在连续的时间内成功预测了像素轨迹，而且在多速和DSEC-Flow上的传统两视频像素位移中也具有竞争力。