XiaoMi-AI文件搜索系统
World File Search System透视图
bevgan：生成鱼眼交叉视图变形金刚
摘要：当前的停车援助和监测系统合成鸟类视图（BEV）图像，以提高驱动程序的可见度。这些BEV图像是使用称为“逆透视图”（IPM）的流行透视转换创建的，该转换将其投射到FishEye摄像头捕获的环绕视图图像的像素上。然而，IPM在准确地表示高度和接缝的对象方面面临挑战，因为它依赖于刚性几何变换，因此将预计的环绕视图缝合在一起。为了解决这些局限性，我们提出了Bevgan，这是一种新型的几何形状引导的条件生成副本网络（CGAN）模型，将多尺度鉴别器与基于变形金刚的生成器相结合，该生成器利用Fisheye摄像机校准和注意力机械机制，以隐含地模拟该视图之间的几个几何形式的变换。实验结果表明，在图像保真度和质量方面，Bevgan的表现优于IPM和最先进的跨视图生成方法。与IPM相比，我们报告了 + 6的改进。在PSNR上的2 dB，MS-SSIM上的 + 170％在描绘停车场和驾驶场景的合成数据集上进行评估。此外，还通过零射推理证明了Bevgan在现实世界中的图像上的概括能力。
改进卡拉模拟器中的边界盒
摘要：Carla模拟器（学习行动）是测试算法并在自主驾驶领域生成数据集（AD）的强大平台。它提供了对各种环境参数的控制，从而可以进行彻底的评估。开发边界框通常是深度学习中通常使用的工具，并且在广告应用中起着至关重要的作用。使用边界盒识别和描述感兴趣的对象（例如车辆），用于识别和描述感兴趣的对象的主要方法。卡拉中的操作需要捕获地图上所有对象的坐标，随后与传感器的坐标系在自我车辆的坐标系统中，然后将相对于自我车辆的透视图包装在边界框中。但是，这种主要方法遇到了与对象检测和边界框注释相关的挑战，例如幽灵盒。尽管这些程序通常可以有效地检测其直接视线内的车辆和其他物体，但它们也可以通过识别被障碍物掩盖的物体来产生误报。我们已经增强了主要方法，目的是滤除不需要的盒子。绩效分析表明，改进的方法已经达到了很高的精度。
单细胞基因组中样品级异质性的深层生成模型
单细胞基因组学领域现在正在观察到包括数百个样本和具有复杂设计的队列研究的流行率显着增加。这些数据具有发现样品或组织级表型与细胞和分子组成如何相关的巨大潜力。但是，当前的分析是基于这些数据的简化表示，通过平均跨单元的信息。我们提出了MRVI，这是一种旨在在单细胞水平上实现队列研究的潜力的深层生成模型。MRVI解决了两个基本和相互交织的问题：将样品分为组并评估组之间的细胞和分子差异，既不需要将细胞先验分组为类型或状态。由于其单细胞的透视图，MRVI能够检测出仅在某些细胞子集中表现出的Covid-19和炎症性肠病（IBD）同类中的患者的临床相关分层，从而实现了否则会被忽视的新发现。同样，我们证明了MRVI可以识别具有相似生化特性的小分子组，并评估它们在大规模扰动研究中对细胞组成和基因表达的影响。MRVI可在scvi-tools.org上作为开源。
Len Lye的刮擦胶片和线条的能量
在长达十年的中断之后，他主要制作了战时纪录片和军事训练电影，1950年代的Len Lye再次开始使用他在二十多年前帮助Pione Animation的直接动画技术。These previous films, such as Colour Box (1935), Colour Flight (1938), and Swinging the Lambeth Walk (1939), develop what Lye calls a “sensory-ballet” in which abstract forms and music are knit together with color to produce sensations of motion.1 The point was to create a sensual experience of pleasure generated through color whose abstract and direct appeal avoided narrative forms and the kinds of associations that Lye believed plagued realistic图像。在1940年代初期，莉停止制作这些电影，部分原因是战争和越来越多的财务支持者的稀缺性，部分原因是他对政治的兴趣日益增长，并且渴望反击纳粹宣传电影。以前做过。取而代之的是，他划过16毫米胶片库存，生产线条，点，笔画和锯齿形，这些线条，锯齿状在整个屏幕上移动，不仅在二维空间中播放，而且具有深度的透视图，因为某些形式扭曲并在Z轴上旋转。由此产生的电影《自由激进分子》（1958年修订，1979年），是对能量的狂喜庆祝
3D多帧融合视频稳定
在本文中，我们提出了RSTAB，这是视频稳定框架的新型框架，该框架通过音量渲染整合了3D多帧融合。与传统方法背道而驰，我们引入了一个3D多框架透视图，以进行稳定的图像，从而解决了全框架生成的挑战，同时保存结构。我们的RSTAB框架的核心在于S Tabilized R Endering（SR），该卷渲染模块，在3D空间中融合了多帧信息。具体来说，SR涉及通过投影从多个帧中旋转的特征和颜色，将它们融合到描述符中以呈现稳定的图像。然而，扭曲的信息的精度取决于降低的准确性，这是受染色体区域显着影响的因素。为了响应，我们介绍了a daptive r ay r ange（arr）模块以整合深度先验，并自适应地定义了投影过程的采样范围。在方面上，我们提出了以光流的光流限制的限制，以进行精确的颜色，以实现精确的颜色。多亏了这三个模块，我们的rstab示例表现出了卓越的性能，与以前的视野（FOV），图像质量和视频稳定性相比，各种数据集的稳定器相比。
脱氧得分蒸馏：从嘈杂的扩散预处理到一步高质量一代
扩散模型在产生各种自然分布的高分辨率，逼真的图像方面取得了巨大的成功。但是，他们的性能在很大程度上依赖于高质量的培训数据，这使得从损坏的样本中学习有意义的分布变得具有挑战性。此限制限制了它们在稀缺或昂贵的科学领域中的适用性。在这项工作中，我们引入了DeNoising评分蒸馏（DSD），这是一种出奇的有效和新颖的方法，用于训练低质量数据的高质量生成模型。DSD首先预修了一个扩散模型，专门针对嘈杂，损坏的样品，然后将其提炼成能够生产精制，干净的输出的单步生成器。传统上将得分蒸馏视为加速扩散模型的一种方法，但我们表明它也可以显着提高样本质量，尤其是从退化的教师模型开始时。在不同的噪声水平和数据集中，DSD始终提高生成性能 - 我们在图中总结了我们的经验证据1。此外，我们提供了理论见解，表明在线性模型设置中，DSD识别了干净的数据分散协方差矩阵的特征空间，并隐含地正规化了生成器。此透视图将蒸馏片重新升级为效率的工具，而且是改善生成模型的机制，尤其是在低质量的数据设置中。
朝着自主驾驶的鸟眼观察空间中有效的3D对象检测：仅卷积的方法
摘要 - 鸟眼视图中的3D对象检测（BEV）空间最近已成为自主驾驶领域的一种普遍方法。与透视图方法相比，尽管准确性和速度估计的改善有所提高，但现实世界自动驾驶汽车中基于BEV的技术的部署仍然具有挑战性。这主要是由于它们依赖基于视觉转化器（VIT）的架构，该体系结构引入了相对于输入分辨率的二次复杂性。为了解决这个问题，我们提出了一个有效的基于BEV的3D检测框架，称为Bevenet，该框架利用了仅卷积的架构建筑设计来规避VIT模型的局限性，同时保持基于BEV的方法的有效性。我们的例子表明，在Nuscenes挑战中，Bevenet比现代的最新方法（SOTA）快速（SOTA）方法，达到0.456的平均平均精度（MAP）为0.456，NUSCENES检测分数（NDS）的平均精度（MAP）为0.555在Nuscenes验证验证数据上，均为0.555，并使用persenter firames perference Speets perspersy Specters perspersy perspersy perspersy prement perspersy prement per per per 47。据我们所知，这项研究是第一个实现基于BEV的方法的重大效率提高的研究，强调了它们对现实世界自动驾驶应用程序的可行性的增强。
大规模木材材料的碳强度：采购和运输的影响
大规模木材建设被普遍认为是一种有希望的替代建筑方法，可以减少建筑物的总生命周期碳排放量，因为木材是碳水槽。跨层压木材（CLT）面板，由粘合木材层以晶粒成直角制造，是潜在的低碳替代品碳密集型混凝土和钢结构的替代品。但是，在计算生命周期影响时，大多数环境影响评估研究都不考虑CLT供应链中运输影响的变化。这项研究调查了有关使用的木材物种类型的CLT供应链决策的体现的原始能量和全球变暖潜力（GWP），其来自美国地区的区域以及CLT磨坊的位置。在木材和CLT面板的供应链中较长的传输距离可以贡献923 MJ/m 2（20％）CLT建筑物的体现的原始能量，并且使用高密度的木材物种会增加1246 MJ/M 2（24％）的贡献，其中大部分能量来自Fossil Energy源。透视图，一栋建筑物的GWP的CLT面板和木材已被卡车运输到6,000公里以上（252 - 270 kgco 2 /m 2）大于等效钢筋混凝土（RC）建筑物（245 kgco 2 /m 2）的GWP。因此，诸如CLT加工设施的位置以及木材物种的类型等因素可以显着影响整体生命周期评估，如果选择适当地选择，可以减轻CLT构造的环境影响。
möbius变换，用于减轻表示的视角扭曲
摘要。透视失真（PD）导致形状，大小，方向，角度和其他空间关系的前所未有的变化。精确地估计摄像机的固有和外在参数是一项防止综合透视失真的挑战任务。专用培训数据的不可利用性为开发强大的计算机vi-sion方法带来了关键的障碍。此外，失真校正方法使其他计算机视觉任务成为多步骤的方法，并且缺乏性能。在这项工作中，我们通过对Möbius变换的特定家族进行精细颗粒的Pa-Rameter控制来构成减轻透视扭曲（MPD），以模拟现实世界中的失真，而无需估计摄像机的内在和外在参数，并且没有估算实际静止数据的需求。此外，我们提出了一个专用的透视图基准数据集Imagenet-PD，以基准对该新数据集的深度学习模型的鲁棒性。所提出的方法优于ibendement-e和imagenet-X的基准。此外，它显着提高了Imagenet-PD的性能，同时始终如一地在标准数据分布上执行。值得注意的是，我们的方法在三种受PD影响的现实世界应用程序（牛仔计数，Fisheye Image补充和人员重新识别）上的性能提高，以及一个受PD影响的具有挑战性的CV任务：对象检测。源代码，数据集和模型可在https://prakashhipa.github.io/projects/mpd上的项目网页上找到。
场地规划审查清单
3. ☐ 附近地图，显示场地边界和场地内及边界的现有道路和通道。 4. ☐ 场地平面图，比例不小于一英寸等于五十英尺，显示：a. 用途的位置和大小，b. 缓冲区和开放空间区域，c. 景观区域，d. 建筑物占地面积以外的干扰区域，以及 e. 任何现有建筑物、地役权、公用设施和重要树木。 5. ☐ 地形图，基于场地调查，以不小于五英尺的间隔描绘现有轮廓，并定位现有溪流、湿地和其他自然特征。 6. ☐ 概念性景观规划，“包括需要移除、保留和替换的重要 (6”) 树木 7. ☐ 停车和交通规划（如果不影响可读性，可以与场地规划相结合） 8. ☐ 初步雨水管理规划 9. ☐ 公用设施规划 10. ☐ SEPA 环境检查表，除非提案根据第 19.04 章获得明确豁免 11. ☐ 提案的叙述性描述，包括：a. 列出场地大小、建筑大小和不透水表面覆盖率，b. 列出用于开放空间和娱乐、景观美化和停车的面积；c. 列出总密度和净密度的计算结果；d. 综合规划和分区指定；e. 拟议建筑物和其他拟议改进的立面图和透视图；f. 影响提案的任何协议、契约或其他条款；g. 所有记录所有者或标的物业代理人的签名、邮寄地址和电话号码。 12. ☐ 主任认为适用的其他报告或研究，包括但不限于岩土、关键区域和/或交通。