XiaoMi-AI文件搜索系统
World File Search SystemAIGC
人工智能生成内容 (AIGC) 综合调查
最近，ChatGPT 与 DALL-E-2 [ 1 ] 和 Codex [ 2 ] 一起引起了社会的广泛关注。因此，许多人对相关资源产生了兴趣，并试图揭开其令人印象深刻的表现背后的背景和秘密。事实上，ChatGPT 和其他生成式人工智能 (GAI) 技术属于人工智能生成内容 (AIGC) 类别，涉及通过人工智能模型创建数字内容，例如图像、音乐和自然语言。AIGC 的目标是使内容创建过程更加高效和易于访问，从而能够以更快的速度生成高质量的内容。AIGC 是通过从人类提供的指令中提取和理解意图信息，并根据其知识和意图信息生成内容来实现的。近年来，大规模模型在 AIGC 中变得越来越重要，因为它们可以提供更好的意图提取，从而改善生成结果。随着数据和模型规模的增长，模型可以学习的分布变得更加全面和更接近现实，从而产生更现实和高质量的内容。本综述从单模态交互和多模态交互两个角度全面回顾了生成模型的历史、基本组成部分以及人工智能生成模型的最新进展。从单模态的角度介绍了文本和图像的生成任务和相关模型。从多模态的角度介绍了上述模态之间的交叉应用。最后，我们讨论了人工智能生成模型中现有的开放问题和未来的挑战。
对AI生成的内容（AIGC）的全面调查
最近，Chatgpt以及Dall-E-2 [1]和Codex [2]以及社会引起了人们的重大关注。因此，许多人已经对相关资源感兴趣，并试图揭示其令人印象深刻的表现背后的背景和秘密。实际上，Chatgpt和其他生成AI（GAI）技术属于人工智能生成的内容（AIGC）的类别，涉及通过AI模型创建数字内容，例如图像，音乐和自然语言。AIGC的目标是使内容创建过程更加高效，易于访问，从而可以以更快的速度生产高质量的内容。AIGC是通过从人提供的指示中提取和理解意图信息来实现的，并根据内容的知识和意图信息生成。近年来，大型模型在AIGC中变得越来越重要，因为它们提供了更好的意图提取，从而改善了生成结果。随着数据的增长和模型的大小，模型可以学习的分布变得更加全面，更接近现实，从而导致更现实和高质量的内容产生。本调查对生成模型的历史和基本组成部分进行了全面的综述，这是AIGC的最新进展，从单峰交互和多模式相互作用中。从单程性的角度来看，我们介绍了文本和图像的生成任务和相对模型。从多模式的角度来看，我们介绍了上述方式之间的交叉应用。最后，我们讨论了AIGC中现有的开放问题和未来挑战。
医学领域的人工智能生成内容 (AIGC)
摘要：近年来，人工智能生成内容（AIGC）受到越来越多的关注，并呈指数级增长。AIGC 是由生成式人工智能（AI）模型根据人类提供的指令提取有意信息生成的。AIGC 可以快速自动生成大量高质量内容。目前，医学领域存在医疗资源短缺和医疗程序复杂的问题。由于其特点，AIGC 可以帮助缓解这些问题。因此，AIGC 在医学中的应用近年来受到越来越多的关注。因此，本文对 AIGC 在医学中的研究现状进行了全面的综述。首先，我们对 AIGC 进行概述。此外，基于最近的研究，从医学图像处理和医学文本生成两个方面回顾了 AIGC 在医学中的应用。本文对基本的生成式人工智能模型、任务、目标器官、数据集以及研究贡献进行了探讨和总结。最后，我们还讨论了人工智能生成式人工智能所面临的局限性和挑战，并结合相关研究提出了可能的解决方案。希望本综述能帮助读者了解人工智能生成式人工智能在医学领域的潜力，并获得一些该领域的创新思路。
利用移动 AIGC 实现人类数字孪生
移动人工智能生成内容 (AIGC) 是指采用部署在移动边缘网络的生成人工智能 (GAI) 算法来自动化信息创建过程，同时满足最终用户的需求。移动 AIGC 近来引起了极大的关注，并且可以成为新兴应用人体数字孪生 (HDT) 的关键支持技术。由移动 AIGC 赋能的 HDT 有望通过生成罕见疾病数据、建模高保真数字孪生、构建多功能测试平台以及提供全天候定制医疗服务来彻底改变个性化医疗。为了促进这种新范式的发展，在本文中，我们提出了一种移动 AIGC 驱动的 HDT 的系统架构，并强调了相应的设计要求和挑战。此外，我们还说明了两个用例，即移动 AIGC 驱动的 HDT 在定制手术计划和个性化药物中的应用。此外，我们进行了一项实验研究，以证明所提出的移动 AIGC 驱动的 HDT 解决方案的有效性，该解决方案在虚拟物理治疗教学平台中具有特殊应用。最后，我们通过简要讨论几个未解决的问题和未来方向来总结本文。
人工智能生成内容的语义通信（AIGC）涉及有效的内容创建
人工智能生成的内容（AIGC）服务在数字内容创建中具有巨大的潜力。AIGC的独特能力，例如基于最小输入的内容生成，具有巨大的潜力，尤其是与语义通信（SEMCOM）集成时。在本文中，开发了一种用于集成AIGC和SEMCOM的新型综合概念模型。，在语义级别上引入了内容一般级别，该级别介绍了AIGC和SEMCOM如何相互作用以产生有意义有效的内容。此外，考虑到针对AIGC服务量身定制的语义提取和评估指标的关节，提出了采用AIGC技术的新型框架作为语义信息的编码和解码器。该框架可以适应所产生的不同类型的内容，所需的质量和使用的语义信息。通过采用深Q网络（DQN），提出了一个案例研究，该案例研究提供了对优化问题及其收敛特征的可行性的有用见解。
移动AIGC的跨模式生成语义通信：联合语义编码和及时工程
于2023年12月20日收到； 2024年6月18日修订； 2024年8月20日接受。出版日期2024年8月26日；当前版本的日期2024年11月5日。这项工作得到了中国国家自然科学基金会（NSFC）的一部分，根据赠款62102099和授予U22A2054的赠款，部分由Guangzhou基础研究计划，根据Grant 2023A04J1699的赠款，一部分是由Guangdong Basic和Grant Indied Basic Research Foundation下的Grant 2023A151515151514 01137。这项研究也得到了新加坡国家研究基金会的一部分，部分由InfoComm媒体发展局在其未来的通信研发研究和发展方面的一部分，部分由国防科学组织（DSO）国家实验室根据AI新加坡计划，根据Grant FCP-NTU-RG-2022-010和Grant FCP-ASTRORE的GRANT FCP-ASTRASTAR TAIRISTION，在Grant FCP-NTU-RG-2022-010和下第1层在赠款RG87/22下，部分由NTU金融计算技术中心（NTU-CCTF）。这项研究也部分得到了Sutd SRG-ISTD-2021-165的支持，部分由Sutd-Zju的想法在Grant Sutd-Zju（VP）202102下的一部分，部分由新加坡教育部，新加坡教育部在SMU-SUTD下的22-SISSIS-SIS-SIS-SIS-SMU-048和STAIRITY pactiatiatiatiatiatiatiatiation in. Smu-sutd pransiatiatiatiatiatiations praintiatiatiatiatiatiations pransiatiatiatiatiationnif。NSF在Grant CNS-2148382下部分支持Shiwen Mao的工作。建议接受J. Ren。（通讯作者：Jiawen Kang。）
智能6G网络中可信赖的AI基因含量
摘要 - 以大语言模型（LLM）代表的AI生成的内容（AIGC）模型已彻底改变了内容的创建。高速下一代通信技术是提供强大的AIGC网络服务的理想平台。同时，高级AIGC技术还可以使未来的网络服务更加智能，尤其是在线内容生成服务。但是，当前AIGC模型（例如稳健性，安全性和公平性）的重大不信任性问题极大地影响了智能网络服务的信誉，尤其是在确保安全的AIGC服务方面。本文提出了TrustGain，这是一个可信赖的AIGC框架，结合了强大，安全和公平的网络服务。我们首先讨论网络系统中AIGC模型和相应保护问题的对抗性攻击的鲁棒性。随后，我们强调避免不安全和非法服务并确保AIGC网络服务的公平性的重要性。然后作为案例研究，我们提出了一种基于情感分析的新型检测方法，以指导网络服务中不安全内容的强大检测。我们对虚假新闻，恶意代码和不安全的评论数据集进行了实验，以代表LLM应用程序方案。我们的结果表明TrustGain是对可以支持可信赖AIGC网络服务的未来网络的探索。
探索基于协作分布式扩散的AI- ...
受生成人工智能（AI）技术和算法的进步驱动，AI生成的内容（AIGC）的广泛采用已经出现，从而允许产生多样化和高质量的内容。，基于扩散模型的AIGC技术已被广泛用于以各种方式生成内容。但是，AIGC模型的现实实施，特别是在资源受限的设备（例如手机）上，引入了与能源消耗和隐私问题有关的重大挑战。为了进一步促进无处不在的AIGC服务的实现，我们提出了一种新颖的协作分布式基于扩散的AIGC框架。通过利用无线网络中的设备之间的协作，提出的框架促进了AIGC任务的有效执行，从而优化了边缘计算资源利用。此外，我们研究了移动电话上的denoising步骤的实际实施，拟议方法对无线网络辅助AIGC景观的影响以及与现实世界集成相关的未来机会。本文的贡献不仅为AIGC服务的现有局限性提供了有希望的解决方案，而且还为未来在设备协作，资源优化以及在各种设备上无缝提供AIGC服务的研究铺平了道路。我们的代码可从https://github.com/ hongyangdu/distributed -diffusion获得。
人工智能生成内容的最新进展
人工智能生成内容（AIGC）是近年来人工智能领域的研究热点。它有望以低成本、高容量替代人类完成部分内容生成的工作，例如音乐、绘画、多模态内容生成、新闻文章、摘要报道、股票评论摘要，甚至元宇宙中生成的内容和数字人。AIGC为未来人工智能的发展和实现提供了新的技术路径。在此背景下，《信息技术与电子工程前沿》杂志组织了一期关于AIGC最新进展的专刊。本期专刊主要讨论AIGC及其相关领域的理论、算法和应用。通过吸引高质量的论文，我们希望帮助学术界和工业界的研究人员更深入地了解 AIGC 背后的基本理论及其潜在应用。这些高质量的作品将激励更多的人加入并
利用无线感知引导人工智能生成的数字内容
摘要 人工智能（AI）的进步和各种训练数据的激增促进了人工智能生成内容（AIGC）的发展。尽管效率很高，但人工智能模型固有的不稳定性对创建用户特定内容提出了挑战，尤其是在为用户创建虚拟形象时。为了解决这个问题，本文将无线感知（WP）与AIGC相结合，并引入了一个统一框架WP-AIGC，该框架利用WP获得的用户骨架来指导AIGC，从而生成与用户实际姿势相符的虚拟形象。具体而言，WP-AIGC首先采用一种新颖的多尺度感知技术来感知物理世界中的姿势并构建用户骨架。然后，将骨架和用户的要求传达给AIGC，从而指导虚拟形象的创建。此外，WP-AIGC可以根据用户反馈调整分配给感知和AIGC的计算资源，从而优化服务。实验结果验证了该服务的有效性。在有限的计算资源下，当四条链路参与感知时，WP-AIGC 可实现最佳 QoS 3.75。