XiaoMi-AI文件搜索系统
World File Search System细粒
手术视频中的精细粒度多级多级跟踪
准确的工具跟踪对于计算机辅助干预的成功至关重要。以前的努力通常会严格地对工具轨迹进行建模，从而俯瞰外科手术程序的动态性质，尤其是跟踪诸如身体外和相机外视图之类的场景。在解决此限制时，新的CholectRack20数据集提供了详细的标签，以三个角度说明多个工具轨迹：（1）术中，（2）体内和（3）可见性，代表不同类型的工具轨迹时间。这些细粒标签可增强跟踪灵活性，但也提高了任务复杂性。由于高视觉相似性，尤其是在同一类别的工具中，遮挡或重新插入身体后的工具仍然具有挑战性。这项工作认识到工具操作员在区分工具轨道实例中的关键作用，尤其是属于同一工具类别的工具轨道实例。但是，在手术视频中未明确捕获操作员的信息。因此，我们提出了Surgitrack，这是一种利用Yolov7进行精确工具检测的新型深度学习方法，并采用了注意机制来对工具的起源方向进行建模，作为其操作员的代理，以重新识别工具。为了处理各种工具轨迹的观点，Surgitrack采用了协调的两分匹配图，最大程度地减少冲突并确保准确的工具身份关联。cholectrack20的实验结果证明了外科手术的有效性，优于实时推理能力的最先进方法和最先进的方法。这项工作为手术工具跟踪设定了新的标准，为在微创手术中提供了更适合适应性和精确的帮助。
![arxiv：2411.12168v2 [CS.CV] 2024年11月22日](/simg/0\0e5463a0d0a9c4f6edba8a03501a175064b7dc4a.webp)
arxiv：2411.12168v2 [CS.CV] 2024年11月22日
高斯脱落（GS）[16]，它比以前的方法具有出色的实时小说视图渲染能力和更好的光真逼真的重构。与其他几何表示类似，例如NERF [24]和三角形网格，提出了各种对照机械的编辑GS，例如文本提示[4，5，34，35]和视频先验[20，28]。不幸的是，这些类型的控件设计用于广泛的高级编辑（在新手用户的功能中），而无需对变形进行细粒度的控制。另一方面，已经对更直接，几何编辑进行了一些研究，例如通过基于物理的模拟[37] - 这再次提供了有限的编辑capabilies。提供细粒几何控制的问题在于GS表示，该表示由不同3D高斯的非结构化阵列组成，当时，当散布到2D画布上时，其凝聚力形成视觉效果。这通常会导致不同的gaus -sian之间的全球依赖性 - 改变了一个人的位置，场景的合理性被破坏了。因此，很难提供执行本地编辑的能力，同时保持所得视觉效果的完整性。为了解决这些问题，在这项工作中，我们介绍了第一个草图引导的3D GS变形系统，该系统使用户能够与对象的简单2D草图进行直观的互动，并诱导Gaus-Sians的3D变形。2）Seman-为了实现这一目标，我们提出了几个技术争议：1）几何形式，以确保对所产生的变形受到调节，我们提出了基于基于笼子的变形的GS的新型变形框架，而基于笼子的变形，这反过来又由变形雅各布人[1]。
1个思维，机器和分子T. D. P. Brunet和... 主动脉“疾病中的疾病” 量子统计学习通过量子瓦斯坦天然梯度 中度重度创伤性脑损伤患者血清生物标志物的预后价值，由Marshall CT分类区分 量子密钥分布：优点，挑战和政策
关键词代谢，知觉，分子机器，合成生物学，AI，功能主义摘要摘要有关感知生物学和进化条件的最近辩论引起了人们对细粒功能主义的重新兴趣。根据彼得·戈弗雷·史密斯（Peter Godfrey-Smith）提出的这样的说法，感知取决于生物体的精细活动特征。具体来说，这些细粒度活动的规模，上下文和随机性。这种观点的含义是当代人工智能（AI）是贫穷的候选人。在当前的AI缺乏从事此类生活活动的能力的情况下，无论其粗粒的功能如何，它都会缺乏知觉。在本文中，我们审查了细菌功能主义的案例，并表明有些当代机器满足了戈弗雷·史密斯（Godfrey-Smith）确定的精细功能标准，因此是候选人的候选人。分子机器（例如布朗计算机）在其规模，上下文和随机性中类似于代谢活性，并且可以作为AI的基础。分子计算是根据当代哲学叙述的知名度的有前途的人造知觉的候选人。1。介绍在向欧洲议会议员讲话中，哲学家托马斯·梅辛格（Thomas Metzinger）要求欧盟“禁止所有风险或直接旨在直接旨在创建合成现象学的研究”（Metzinger，2018，第2页）。Metzinger认为当前的人工智能（AI）缺乏政治和道德代表。因此，研究人员是创建一个能够具有主观经验（例如苦难）的人工系统，我们将缺乏减轻相关风险的工具。尽管Metzinger并不孤单，他对合成现象学的创建的关注，但其他人则认为人为的知觉超出了我们的技术能力（参见Dennett，1994年和Shanahan，2015年，有关讨论）。
第 6F-1 节 - 路面底基设计和施工
路面系统通常由三层组成：准备好的路基、底基层和路面。本节将讨论底基层的正确设计和施工。底基层是位于路面正下方的骨料层，通常由碎骨料或砾石或再生材料组成（有关更多信息，请参阅第 6C-1 节 - 路面系统）。虽然“基层”和“底基层”这两个术语有时可互换使用，指路面的地下层，但基层通常用于沥青路面，主要用作结构载荷分布层，而混凝土路面中使用的底基层主要用作排水层。骨料底基层通常由碎石组成，碎石由能够通过 1 1/2 英寸筛网的材料组成，其成分颗粒大小从 1 1/2 英寸到粉尘不等。该材料可以由原生（新开采的）岩石或再生沥青和混凝土制成。路面底基层的作用是提供排水和稳定性，以延长路面的使用寿命。现在大多数路面结构都包含地下层，其部分功能是排出可能对路面寿命有害的多余水（参见第 6G-1 节 - 地下排水系统）。但是，必须仔细选择和正确构造透水基层的骨料材料，以提供不仅透水性，而且还提供均匀的稳定性。正确的施工和 QC/QA 测试操作有助于确保底基层的良好性能。过度压实会改变级配并产生额外的细粒，这可能会导致渗透性低于实验室测试确定的渗透性并用于路面系统设计。然而，从高稳定性优化结构贡献与为路面材料提供足够排水的需要仍然是一个争论点。本节的重点是提供有关选择适当的底基层材料、最佳施工实践和合适的 QC/QA 测试方法的指导。B. 粒状底基层
VLA-3D：用于3D语义场景的数据集理解和导航
摘要 - 随着大型语言模型（LLM），视觉模型（VLM）和其他一般基础模型的最新兴起，多模式，多任务体现的代理的潜力越来越大，可以在不同的环境中以自然语言作为输入来运作。一个这样的应用区是使用自然语言说明的室内导航。尽管最近进展，但由于所需的空间推理和语义理解，该问题仍然具有挑战性，尤其是在可能包含许多属于细粒类的对象的任意场景中。为了应对这一挑战，我们策划了3D场景（VLA-3D）的视觉和语言引导动作的最大现实世界数据集（VLA-3D），包括超过11.5k的现有数据集中的3D室内室内室内，2350万个启发式化的启发式化的启发式语义生成的语义关系，对象之间，综合构成了综合典型的参考性。我们的数据集由处理过的3D点云，语义对象和房间注释，场景图，可通航的自由空间注释以及参考语言语句，这些语言语言专门针对独立于视图的空间关系，以消除歧义对象。这些功能的目标是专门帮助导航的下游任务，尤其是在现实系统中，必须在不断变化的场景和不完美的语言的开放世界中保证某种级别的鲁棒性。我们还旨在使该数据集有助于开发交互式代理，这些互动代理都可以响应命令并提出有关场景的问题并回答问题。我们使用当前的最新模型基准测试数据集，以获得性能基线。所有要生成和可视化数据集的代码均公开发布1。随着该数据集的发布，我们希望为语义3D场景中的进度提供资源，这对变化是可靠的，这将有助于开发交互式室内导航系统。
材料科学与工程学博士论文是AI驱动的整体系统，用于优化钢铁废料在钢生产中的使用
钢铁行业目前正在转型过程中，以便将来能够以更环保的方式生产。Sec-Ondary原材料钢废料在这种转变中起着至关重要的作用，因为制造过程中的回收废料在环保和可持续性上。但是，钢铁行业中钢铁废料的使用增加涉及新的挑战。必须更改过程，必须保持产品质量，并且必须管理吞吐量的增加和需求。数字化和AI技术的使用可以帮助优化和自动化新过程。在工业环境中使用AI时，通常会有一个挑战，即没有足够的质量数据。为了缩小这一差距，是通过应用一种新颖的耕作技术创建和使用了新的欧洲废料类别的新数据集。创建，甚至更多此类域数据集的注释需要大量的时间和专家知识。出于这个原因，使用不同类型的增强物来实施一种自我监督的方法，以提取诸如钢废料等内在无序物体的典型细粒结构。这些结果用于控制废料输入以及废料使用情况，从而自动化过程。钢生产过程中使用的废料通常在原点和组成方面有所不同，这使得编译更加困难。编译废料混合物时，钢生产商通常依靠经验或必须进行复杂的试验。实施了一种机器学习方法，可用于模拟和优化不同的废料组合。基于这些模型，开发了一种新的方法来估算不使用其他传感器的标准过程参数中使用的输入材料的化学含量。在异质工业环境中AI模型的整合是一个主要挑战。需要根据需要对环境基础架构进行调整或创建。为了嵌入各种解决方案，合并了不同的Machine学习技术，根据需要建立所需的基础架构，并实施了在线模型和接口供生产性使用。总而言之，本文提出了一个由AI驱动的整体系统，该系统可以融合各种技术，优化钢废料工艺，并自动化废料工作流程，从废料进入到基本氧气炉的结束。
释放预先训练模型的零...
摘要 - 在大规模数据集上进行训练的Vision语言模型（VLMS）在各种视觉识别任务中表现出令人印象深刻的性能。这一进步为某些以自我为中心的任务，零射击以自我为中心的行动识别（ZS-EAR）的表现为著名的表现铺平了道路，这需要VLMS零射击，以识别从更现实的人类环境相互作用中富含第一人称视频的动作。通常，VLM将ZS-EAR作为全球视频文本匹配任务处理，这通常会导致视觉和语言知识的次优比对。我们提出了一种使用VLM的Zs-Ear的精致方法，强调了精细元素概念 - 描述对准，该对齐利用了以Egintric视频中丰富的语义和上下文细节来利用。在这项工作中，我们引入了一个直接但有效的VLM框架，即aka gpt4ego，旨在增强视觉和语言之间的概念和描述的细粒度对齐。具体来说，我们首先提出了一个新的面向自我的文本提示（EGOTP♠）方案，该方案通过将单词级别的类名与良好设计的链条链接的链中的文本提示提示，通过将单词级别的类名为句子级别的上下文描述来有效提示与动作相关的文本上下文语义。此外，我们设计了一种新的面向自我的视觉解析（EGOVP♣）策略，该策略通过在SAM的帮助下将全球级别的图像改进到部分级别的上下文概念来学习与动作相关的视觉 - 上下文语义。广泛的实验证明了GPT4EGO在三个大规模的以egintric视频基准上的表现明显优于现有的VLMS，即，Epic- Kitchens-100（33.2％↑+9。4），EGTEA（39.6％↑+5。 6）。4），EGTEA（39.6％↑+5。6）。5）和Cha-Radesego（31.5％↑+2。此外，从新颖的细粒概念和描述对齐的新机制中受益，GPT4EGO可以通过不断发展的预培训的基础模型的发展来可持续发展。我们希望这项工作可以鼓励以自我为中心的社区对预训练的视觉模型进行更多调查。
2024 年 10 月马里兰州发电量
在马里兰州，煤炭、天然气和石油是用于发电的化石燃料。由于近年来价格大幅下跌，马里兰州用于发电的主要燃料是天然气。由于使用新的钻井技术，美国的天然气产量大幅增加。直到 20 世纪 90 年代水平钻井和水力压裂技术发展之前，美国西南部和东北部地区深层细粒岩层中蕴藏的页岩气开采起来并不经济。2009 年至 2022 年期间，随着天然气生产商继续使用这些技术，美国天然气产量增长了 76%。在同一时期，国内天然气消费量增长了 41%，天然气进口量下降了 19%，液化天然气 (LNG) 出口量增长了 411%。 20 世纪 90 年代末，亨利港的美国天然气现货价格在 2.00 美元/百万英热单位至 2.50 美元/百万英热单位之间，1 随后开始稳步上涨，到 2003 年增长了一倍多，达到 5.00 美元/百万英热单位以上，并在 2008 年达到 8.86 美元/百万英热单位的高位。随后价格下降，由于页岩气产量增加，2010 年至 2021 年平均价格在 2 至 4 美元/百万英热单位之间（见图 1）。当俄罗斯入侵乌克兰引发全球对欧洲天然气供应的担忧时，2022 年价格再次上涨至 8.81 美元/百万英热单位。然而，2023 年美国亨利港天然气价格平均为 2.57 美元/百万英热单位，较 2022 年年均价格下跌近 62%，为 2020 年以来的最低水平。除 1 月外，亨利港每月平均价格均低于 3.00 美元/百万英热单位，5 月最低月均价格为 2.19 美元/百万英热单位。天然气产量高、消费量持平以及天然气库存增加是天然气价格下跌的原因。2
从人类反馈
语言模型的训练过程具有Demon-043在减少虚假，有毒和其他044不想要的模型生成输出方面具有潜在的潜力。但是，Cur- 045租金RLHF（Ramamurthy等人，2023; Bai等。，046 2022a，b）始终依靠整体反馈，047在识别具有长文本输出049（例如数学）的048多步推理任务中识别特定错误的局限性。050最近，细粒度RLHF（Wu等人，051 2023）提议提供细粒的进料-052回到LMS输出，将UN-053类别的类别相关联（例如，false或false或无关的属 - 054个tions）和一个密度的文本跨度（例如，句子或055 subs-sendence sendence sendence sendence leellevel）。他们将多个精细奖励奖励整合到近端政策优化057（PPO）中（Schulman等人。，2017年）用于训练LMS 058，具有基于偏好的人类反馈，该反馈概念显示了疗效和数据效率060（具有密集奖励的培训模型的培训效率）比较了061与两个LAN-LAN-062 Gaige Instrice separtions的整体序列奖励奖励（GEHMAN 063 ET。，2020年）和长期问题回答064（QA）（Stelmakh等人，2022）。另一项紧密的重新统计工作，程序监督奖励模型066（PRM）（Lightman等人，2023），使用过程067监督培训为每个068中间推理步骤提供反馈，表明过程069监督比结果监督更可靠的奖励070型号。RE-074病房模型能够提供句子级别或075步骤级奖励。071尽管有这些优势，但仅限072才证明了收集人类反馈和073培训的方式是更可靠的奖励模型。虽然在近端策略076优化（PPO）培训期间，策略模型为077仍针对样本级别的奖励进行了优化，每个示例的策略更新为078。PPO培训中的广义AD-079 Vantage估计函数（GAE）080导致偏差，尤其是对于需要081生成长形式文本的任务，例如复杂的082数学任务。因此，它也很重要083
Tommaso Toffoli
信息机制。计算的基础和物理方面。细胞自动机理论。互连复杂性，同步。正式的计算模型与微观物理学（均匀性，位置，可逆性，惯性和其他保护原理，计算的变异，相对论和量子方面）一致。证明了可逆细胞自动机（1977）的计算通用性；提出了猜想（后来由卡里证明），所有可逆细胞自动机在结构上都是可逆的（1990）。介绍了“ to o oli Gate”（1981），后来被Feynman和其他人作为量子计算的基本逻辑原始词。提出，与弗雷德金（Fredkin）提出了第一个具体指控的计算计划（1980），这是近年来低功率行业所采用的想法。证明了耗散性细胞自动机算法可以用非解剖性晶格气体算法取代（2006– 2009年）。量子信息理论和热力学的进步（2006-2010）。批量计算的可及性；拉格朗日动作与计算能力之间的联系（1998-）。细粒体系结构，用于大规模并行计算。关于蜂窝机器机器的开创性工作：设计，实现，支持和应用（1982）。的开发和实现（与诺曼·玛格鲁斯（Norman Margolus）的CAM 8（一种精细的，难以扩展的多处理器体系结构）体现了可编程物质的概念（1987-1993）。微观动力学过程与宏观现象学之间的联系。在伴侣科学模拟中使用这些体系结构的方法以及探索各种平行计算方案。与TED Bach（2002-04）一起设计和实现SIMP/Step，软件引擎和IDE的IDE和IDE。discrete模型；开创了晶状体气体流体动力学的想法（1985）。对应原理是微观组合和宏观计算特性的；紧急计算。物理建模方法，利用了大量平行的，细粒度的计算资源。神经网络的某些方面。基于细粒度的自主动力学（1995）的图像操纵和三维渲染。微观动力学对模式识别：模拟染色，纹理锁定环。知识结构。作为旨在开发知识工程课程的电子书的一部分，创建并教授了新的研究生课程“个人知识工程”（2007-09）。与BU Earlab在大脑建模项目（2002- 2008年）合作。工作（自1998年起）开展了一项称为个人知识结构的倡议，旨在使普通人有效地利用计算机扩展其个人能力，这是识字的扩展。该策略是开发一套综合的文化和计算机资源，并建立一个试点社区，以支持和传播该学科。