XiaoMi-AI文件搜索系统
World File Search System面接触
从地面到对象：与地面接触的动态物体的粗到细节自我监督的单眼估计
自我监督的单眼深度估计（DE）是一种学习深度的方法，没有昂贵的深度地面真理。但是，它经常在移动物体上挣扎，这些物体违反了训练期间的静态场景假设。为了结束这个问题，我们介绍了一个粗到最新的训练策略，该策略利用了地面与先验接触的地面，该期望是在户外场景中大多数移动物体在地面上造成的。在粗糙的训练阶段，我们将动态类中的对象排除在再投入损失计算中，以避免深度学习不准确。为了对物体的深度进行精确的监督，我们提出了一种新颖的接地式差异平滑度损失（GDS-loss），该损失（GDS-loss）鼓励DE网络将物体的深度与其接地接触点保持一致。随后，在精细的训练阶段，我们完善了DE网络，以了解重新投影损失中对象的详细深度，同时通过使用基于成本量的加权因素利用我们的正则化损失来确保对移动对象区域的准确DE。我们的整体粗表表训练策略可以轻松地与无需修改的方法集成，从而显着提高了挑战性的城市景观和KITTI数据集的DE性能，尤其是在移动对象区域中。
使用孔石墨烯改善了固体电解质电导率测量中的界面接触
硫化物电解质通常具有高离子电导率（> 1 ms/cm）LI6 PS 5 Cl（LPSCL; LPSC）是研究最多的硫化物电解质，并且大量可用（〜$ 10/g）
地面接触时间不平衡与跑步经济性受损密切相关
摘要国际运动科学杂志 13(4): 427-437, 2020。跑步经济性 (RE) 定义为以特定速度移动所需的氧气消耗 (VO 2 ) 或卡路里单位成本，是重要的性能指标。地面接触时间 (GCT) 与 RE 有关；然而，尚未确定双脚之间的 GCT 不平衡如何影响 RE。目的：确定节奏、GCT 和 GCT 不平衡与 RE 之间的关系。方法：11 名 NCAA 一级长跑运动员（7 名男性）在跑步机上完成了分级运动测试，以确定乳酸阈值 (LT) 和 VO 2 max。还通过 DEXA 评估身体成分。受试者跑步时佩戴心率监测器，该监测器能够测量节奏、GCT 和双脚之间的 GCT 平衡。在 5 分钟阶段的最后一分钟记录了 VO 2 和呼吸交换率。以热量单位成本 (kcal·kg -1· km -1 ) 表示的 RE 是针对确定为略低于 LT（> 4mmol/L 之前）的阶段计算的，并通过 Pearson 相关性与节奏、GCT 和 GCT 不平衡进行关联。结果：RE 与跑步动态指标之间的 Pearson 相关性如下：节奏 (r = -.444, p = .171)、GCT (r = .492, p = .125)、GCT 不平衡 (r = .808, p < .005)。独立 t 检验显示，与 GCT 不平衡较小的跑步者相比，GCT 不平衡较大的跑步者的腿部瘦肌肉不平衡更大 (p = .023)。结论：GCT 不平衡与 RE 受损密切相关。未来的研究应确定如何改善 GCT 不平衡，以及这样做是否可以改善 RE。关键词：长跑、生物力学、耐力表现、田径介绍除了跑步者的最大耗氧量 (VO 2 max) 和乳酸阈值 (LT) 外，跑步经济性 (RE) 也被认为是决定耐力表现的关键因素 (9)。之前关于跑步经济性 (2) 的评论提供了多种测量和表达跑步经济性的方法。跑步经济性可以表示为给定速度下每分钟相对于体重的耗氧量 (VO 2 ) (ml O 2 ·kg -1 ·min -1 )，也可以表示为相对于体重和所跑距离的耗氧量 (ml O 2 ·kg -1 ·km -