XiaoMi-AI文件搜索系统
World File Search SystemBlurring
基于视觉的触觉智能，具有软机器人超材
机器人超材料代表了一种创新的方法，用于创建合成结构，将所需的材料特征与具体的智能结合在一起，模糊了材料和机械之间的边界。受到生物皮肤功能质量的启发，将触觉智能整合到这些材料中引起了研究和实际应用的重要兴趣。这项研究介绍了具有全向适应性和出色触觉感应的软机器人超材料（SRM）设计，结合了基于视觉的运动跟踪和机器学习。研究将两种感官整合方法与最先进的运动跟踪系统和力/扭矩传感器基线进行比较：具有高框架速率的内部视觉设计和外部视觉设计的成本效果。结果表明，内部视觉SRM设计达到了98.96％的令人印象深刻的触觉精度，实现了柔软和适应性的触觉相互作用，尤其对灵活的机器人抓握有益。外部视觉设计以降低的成本进行类似的性能，并且可以适应可移植性，从而增强材料科学教育和机器人学习。这项研究显着地使用了软机器人超材料中的基于视觉运动跟踪的触觉传感，以及GitHub上的开源可用性促进了协作并进一步探索了这种创新技术（https：// github .com /github .com /bionicicdl -sustech /sustech /softrobotictongs）。
黑盒后门防御通过零拍图像净化
后门攻击将中毒的样本注入训练数据，从而导致模型部署期间中毒输入的分类错误。防御此类攻击是具有挑战性的，尤其是对于仅允许查询访问的现实世界黑框模型。在本文中，我们通过零照片图像纯化（ZIP）提出了一个针对后门攻击的新型防御框架。我们的框架可以应用于中毒的模型，而无需有关模型或任何清洁/有毒样品的任何先验知识的内部信息。我们的防御框架涉及两个步骤。首先，我们在中毒图像上应用线性转换（例如模糊）以破坏后门图案。然后，我们使用预训练的扩散模型来恢复转换删除的缺失语义信息。特别是，我们通过使用转换后的图像来指导高保真纯化的图像的生成，该图像在零拍设置中起作用。我们在具有不同类型的攻击的多个数据集上评估了我们的ZIP框架。实验结果表明，与最新的后门防御基线相比，我们的拉链框架的优势。我们认为，我们的结果将为黑盒模型的未来防御方法提供宝贵的见解。我们的代码可在https://github.com/sycny/zip上找到。
人道主义问责制的变迁
摘要 在过去二十年中，人道主义行为已经偏离了传统范式。这种偏离是由于发展援助和人道主义之间的界限变得模糊，以及对数字技术和数据的依赖日益增加。新人道主义，尤其是以减少灾害风险的形式出现的人道主义，要求政府当局参与加强其应对灾害能力的计划。数字人道主义现在包括远程数据分析：GIS 能力、本地数据和信息管理专家以及数字志愿者。它利用人工智能的力量来加强人道主义机构和政府预测和更好地应对危机的能力。在本文中，我们首先追溯问责制的含义如何从古典人道主义转变为新人道主义，最后转变为数字人道主义。然后，我们描述了菲律宾近期的预防性人道主义行动的实证案例。红十字红新月运动设计了一种人工智能算法，在即将来临的台风之前触发通常用于人道主义响应的资金释放，以启动早期行动，减轻其潜在影响。我们重点介绍了预期人道主义行动问责关系中的新兴参与者和论坛，以及参与者（不当）行为所产生的后果。最后，我们反思这种新形式的算法问责制对传统人道主义的影响。
满足变革性增长的步伐 - Atos
混合云通过实现私有云和公有云平台的无缝集成，正在重振云计划。通过这种模式，组织可以利用公有云的优势：按使用付费、“无限”爆发式资源、敏捷性和创新性。航空航天企业必须调整其 IT 流程并为相关的安全影响做好准备。洞察平台使航空航天企业能够捕获、分析和洞察整个价值链上所有孤岛的数据。利用最新的大数据技术，这些平台可以作为下一代航空航天智能服务平台的基石。增材制造或“3D 打印”有助于快速成型和小批量生产。除了在新模型设计和测试加速方面的潜力之外，航空航天企业还必须考虑将其更广泛地应用于小批量制造、备件管理和飞机个性化。增强现实和虚拟现实正在模糊现实世界和虚拟世界的界限，让客户、合作伙伴和员工能够在当前环境中使用数字服务。航空航天企业应在机组人员体验、销售和维护以及车间开发用例。人工智能有望通过虚拟助手、聊天机器人、知识工程、智能机器和自动驾驶汽车取代人类的认知能力。它将影响整个价值链的客户体验、商业模式和运营。航空航天企业必须为业务、人力和法律影响做好准备。
将合成临床数据迁移到常规临床数据以检测脑部 T1 加权 MRI 中的运动伪影
临床数据仓库 (CDW) 包含数百万患者的医疗数据，为开发计算工具提供了绝佳机会。MRI 对图像采集过程中的患者运动特别敏感，这将导致重建图像中出现伪影（模糊、重影和振铃）。因此，CDW 中的大量 MRI 因被这些伪影破坏而无法使用。由于扫描次数太多，无法手动检测，因此有必要开发一种工具来自动排除带有运动的图像，以充分利用 CDW。在本文中，我们提出了一种 CNN 来自动检测 3D T1 加权脑部 MRI 中的运动。我们的迁移学习方法基于合成运动生成，包括两个步骤：使用合成运动对研究数据进行预训练，然后进行微调步骤，将我们的预训练模型推广到临床数据，依靠 5500 张图像的手动标记。目标是 (1) 能够排除具有严重运动的图像，(2) 检测轻微的运动伪影。我们的方法在第一个目标上实现了出色的准确率，平衡准确率几乎与注释者的准确率相似（平衡准确率 > 80%）。然而，对于第二个目标，其表现较弱，远低于人类评分者。总体而言，我们的框架将有助于在医学成像中利用 CDW，并强调对基于研究数据训练的模型进行临床验证的重要性。
指导 - 技术 - 界限 - ict-and-security- ...
混合或完全基于云的企业体系结构和服务可以显着改变许可实体的风险概况。需要有效管理和减轻对这种技术安排的依赖而产生的风险。必须有有效而清晰的ICT治理框架。，它要求持有许可证持有人的管理机构以及任何寻求授权的实体，以确保对依赖外包服务提供商的依赖程度有清晰的认识和理解。业务连续性和应急计划还需要涵盖外包安排的所有方面。MFSA认识到授权公司对推动关键或重要职能的技术安排的依赖，这可能涉及多个远程第三方服务提供商，这些服务提供商直接签约和/或分包。它也认识到传统企业外围的模糊 - 不仅在身体上而且在逻辑上也是如此。这不仅是由基于云的工作负载和地理分散的数据存储或服务带来的，而且还归因于公司需要适应访问计算和数据资产的多方面操作要求。后者包括无线和现场员工，包括外包提供商和业务合作伙伴的员工，手机中的服务和资源的访问以及多个上游和下游集成点。这在网络安全暴露方面提出了具有挑战性的弹性攻击表面，因此，在战略和运营计划水平上需要最大的关注，并结合
使用瞳孔平面波前数据导出动态测距瑞利信标弗里德参数值的湍流剖面分析
摘要。大气湍流通常会阻碍远距离光学成像应用。湍流对成像系统的影响可以表现为图像模糊效应，通常通过系统中存在的相位失真来量化。模糊效应可以根据沿传播路径测量的大气光学湍流强度及其对成像系统内相位扰动统计的影响来理解。获取这些测量值的一种方法是使用动态范围的瑞利信标系统，该系统利用沿传播路径的战略性变化的信标范围，有效地获得影响光学成像系统的像差的估计值。我们开发了一种从动态范围的瑞利信标系统中提取断层扫描湍流强度估计值的方法，该系统使用 Shack - Hartmann 传感器作为相位测量装置。介绍了从快速序列中获得的战略性范围变化的信标测量中提取断层扫描信息的基础，以及典型湍流场景的建模示例。此外，处理算法还用于模拟孤立强湍流层的识别。我们介绍了所选处理算法的基础，并讨论了该算法作为大气湍流分析方法的实用性。© 作者。由 SPIE 根据 Creative Commons Attribution 4.0 Unported 许可证出版。分发或复制本作品的全部或部分内容需要完全署名原始出版物，包括其 DOI。[DOI：10.1117/1.OE.59.8.081807]
使用合成数据自动检测临床数据仓库中脑 T1 加权磁共振图像中的运动伪影
临床数据仓库 (CDW) 包含数百万患者的医疗数据，为开发计算工具提供了绝佳的机会。磁共振图像 (MRI) 对图像采集过程中的患者运动特别敏感，这将导致重建图像中出现伪影（模糊、重影和振铃）。因此，CDW 中的大量 MRI 被这些伪影破坏，可能无法使用。由于扫描次数太多，无法手动检测它们，因此有必要开发工具来自动排除（或至少识别）带有运动的图像，以充分利用 CDW。在本文中，我们提出了一种从研究到临床数据的新型迁移学习方法，用于自动检测 3D T1 加权脑 MRI 中的运动。该方法包括两个步骤：使用合成运动对研究数据进行预训练，然后进行微调步骤，以将我们的预训练模型推广到临床数据，这依赖于 4045 张图像的标记。目标是 (1) 能够排除具有剧烈运动的图像，(2) 检测轻微的运动伪影。我们的方法在第一个目标上实现了出色的准确率，平衡准确率几乎与注释者的准确率相似（平衡准确率 > 80 %）。然而，对于第二个目标，其表现较弱，远低于人类评分者。总体而言，我们的框架将有助于在医学成像中利用 CDW，并强调对基于研究数据训练的模型进行临床验证的重要性。
genai反对人类：生成人工智能和大语言模型的邪恶应用
抽象生成人工智能（Genai）和大语言模型（LLM）是技术的奇迹；他们因其在自然语言制作和多模式的内容世代的才能而闻名，他们承诺了变革性的未来。，但是与所有强大的工具一样，它们都带有阴影。生活在一个与现实无法区分的世界中，合成身份协调恶意运动，有针对性的错误信息或骗局的精确精确的精确度。欢迎使用Genai应用的较暗一侧。本文不仅是贯穿Genai和LLM的潜在滥用的曲折之旅，而且还呼吁认识到未来挑战的紧迫性。当我们浏览错误信息广告活动，恶意的内容产生和令人毛骨悚然的恶意软件时，我们将发现通过我们目睹的Genai Revolution荡漾的社会含义。从社交媒体平台上的AI-POWER僵尸网络到人工智能对造成的身份或由合成现实制成的抗辩者的不安潜力，赌注从未如此高。虚拟世界与现实世界之间的界线是模糊的，潜在的Genai邪恶应用的后果影响了我们所有人。本文既是关于Genai和LLMS滥用风险的严格研究的综合，也是对我们可能在不久的将来可能遇到的不同类型的有害Genai应用的发人深省的愿景，以及我们为他们做准备的某些方法。
满足转型增长的步伐 - Atos
混合云通过实现私有云和公有云平台的无缝集成，正在重振云计划。通过这种模式，组织可以利用公有云的优势：按使用付费、“无限”爆发资源、敏捷性和创新性。航空航天企业必须调整其 IT 流程并为相关的安全影响做好准备。洞察平台使航空航天企业能够捕获、分析和洞察整个价值链上所有孤岛的数据。利用最新的大数据技术，这些平台可以作为下一代航空航天智能服务平台的基石。增材制造或“3D 打印”有助于快速成型和小批量生产。除了在新模型设计和测试加速方面的潜力外，航空航天企业还必须考虑将其更广泛地应用于小批量制造、备件管理和飞机个性化。增强现实和虚拟现实正在模糊现实世界和虚拟世界的界限，使客户、合作伙伴和员工能够在当前环境中使用数字服务。航空航天企业应该在机组人员体验、销售和维护以及车间开发用例。人工智能有望通过虚拟助手、聊天机器人、知识工程、智能机器和自动驾驶汽车取代人类的认知能力。它将影响整个价值链上的客户体验、商业模式和运营。航空航天业者必须为商业、人力和法律影响做好准备。