XiaoMi-AI文件搜索系统
World File Search SystemDepth
低级视觉任务的语言指南的鲁棒性：深度估算的发现
通过将自然语言纳入附加指导来实现单眼深度估计的最新进展。尽管产生了令人印象深刻的结果，但语言先验的影响，尤其是在发生和鲁棒性方面，仍未得到探索。在此过程中，我们通过量化此之前的影响来解决这一差距，并引入方法以在各种环境中基准其有效性。我们生成“低级”句子，传达以对象为中心的三维空间关系，将它们纳入其他语言先验，并评估其对深度估计的下游影响。我们的关键发现是，当前语言引导的深度估计仅通过场景级别的描述和违反直觉的效果最佳地发挥作用。尽管利用了其他数据，但这些方法对于对抗性攻击并随着分配变化的增加而对性攻击和绩效下降并不强大。fi-nally，为了为未来的研究提供基础，我们识别出失败点，并提供见解以更好地理解这些缺点。使用语言进行深度估算的越来越多的方法，我们的发现突出了需要仔细考虑在现实世界中有效部署的机会和陷阱。1
使用编码器-解码器框架从颅内深度电极合成语音
图 6 示例性注意力矩阵，可视化三位参与者在收敛时的注意力得分（来自随机选择的训练样本）（值越亮表示注意力得分越高）。解码器中的时间步长在 y 轴上表示，编码器的时间步长在 x 轴上表示。对角线结构表明注意力得分在时间域上是很好地对齐的，例如输出中的后续步骤关注输入中的后续步骤。该图还表明，填充输入 sEEG 序列（语音规划和理解）可能是不必要的，因为没有太多注意力放在第一个和最后一个输入步骤上。
具有成本效益的主动激光扫描系统，用于深度感知深度学习的实例分段
摘要：家禽业在全球农业中起关键作用，家禽是蛋白质的主要来源，并为经济增长做出了重大贡献。但是，该行业面临着与重复性且苛刻的劳动密集型任务相关的挑战。自动化已成为提高运营效率并提高工作条件的关键解决方案。具体来说，机器人的操纵和对象的处理在工厂中变得无处不在。但是，存在挑战以预先识别和引导机器人处理一堆具有相似纹理和颜色的物体。本文着重于开发旨在自动化鸡的机器人解决方案的视觉系统，该机器人解决过程是一种基本的，但在家禽加工中是一种基本但身体上剧烈的活动。为了解决通用实例分割模型在识别重叠对象中的限制，开发了一种具有成本效益的双重活性激光扫描系统来生成对象上的精确深度数据。将经过良好的深度数据生成与RGB图像集成在一起，并将其发送到实例分割模型以进行单个鸡检测和识别。这种增强的方法显着改善了该模型在处理涉及重叠鸡的复杂场景中的性能。具体而言，RGB-D数据的集成将模型的平均平均精度（MAP）检测准确性提高了4.9％，并显着改善了中心偏移 - 本研究中引入的定制度量标准，以量化地面真相蒙版中心与预测的面具中心之间的距离。精确的中心检测对于开发未来的机器人控制解决方案至关重要，因为它可以确保在鸡肉重定过程中准确抓住。中心偏移量从22.09像素（7.30 mm）降低到8.09像素（2.65 mm），证明了该方法在缓解闭塞挑战和增强视觉系统的可靠性方面的有效性。
深度预测的对比度学习-IRIS
深度预测是几种计算机视觉应用程序的核心，例如自动驾驶和机器人技术。通常将其作为回归任务进行表达，其中通过网络层估算深度阀。不幸的是，很少探索深度图上值的分布。因此，本文提出了一个新颖的框架，结合了对比度学习和深度预测，使我们能够更加关注深度分布，从而对整体估计过程进行改进。有意地提出了一个基于窗口的对比学习模块，该模块将特征映射划分为非重叠的窗口，并在每个窗口内构造对比损失。形成和排序正面和负对，然后在代表空间中扩大两者之间的间隙，约束深度分布以适合深度图的特征。对Kitti和NYU数据集的实验证明了我们框架的有效性。
在自主驾驶系统中揭示了安全弱点：深入的经验研究
上下文：自主驾驶系统（AD）的出现标志着朝着智能运输的重大转变，对公共安全和交通效率产生了影响。尽管这些系统集成了各种技术并提供了许多好处，但它们的安全至关重要，因为脆弱性可能会对安全和信任产生严重的后果。目的：本研究旨在使用静态代码分析工具CodeQL系统地研究突出的开源ADS项目代码库中的潜在安全弱点。目标是确定共同的漏洞，它们在版本上的分布和持久性，以增强广告的安全性。方法：我们根据其高github恒星计数和4级自动驾驶功能选择了三个代表性的开源广告项目，即Autoware，Airsim和Apollo。使用CodeQl，我们分析了这些项目的多个版本以识别漏洞，重点是CWE类别，例如CWE-190（Integer Overflow或Wraparound）和CWE-20（输入验证不正确）。我们还通过软件版本跟踪了这些漏洞的生命周期。这种方法使我们能够系统地分析项目中的漏洞，这在以前的广告研究中尚未进行广泛探讨。结果：我们的分析表明，在选定的ADS项目中，特定的CWE类别，尤其是CWE-190（59.6％）和CWE-20（16.1％）。这些漏洞通常持续六个月以上，涵盖了多个版本的迭代。结论：广告中的这些安全问题仍有待解决。经验评估显示了这些漏洞的严重性与它们对ADS性能的切实影响之间的直接联系。我们的发现突出了将静态代码分析集成到ADS开发中以检测和减轻共同漏洞的必要性。同时，主动保护策略（例如定期更新第三方库）对于提高ADS安全至关重要。和监管机构在促进静态代码分析工具和设定行业安全标准方面可以发挥关键作用。
在自主驾驶系统中揭示了安全弱点：深入的经验研究
上下文：自主驾驶系统（AD）的出现标志着朝着智能运输的重大转变，对公共安全和交通效率产生了影响。尽管这些系统集成了各种技术并提供了许多好处，但它们的安全至关重要，因为脆弱性可能会对安全和信任产生严重的后果。目的：本研究旨在使用静态代码分析工具CodeQL系统地研究突出的开源ADS项目代码库中的潜在安全弱点。目标是确定共同的漏洞，它们在版本上的分布和持久性，以增强广告的安全性。方法：我们根据其高github恒星计数和4级自动驾驶功能选择了三个代表性的开源广告项目，即Autoware，Airsim和Apollo。使用CodeQl，我们分析了这些项目的多个版本以识别漏洞，重点是CWE类别，例如CWE-190（Integer Overflow或Wraparound）和CWE-20（输入验证不正确）。我们还通过软件版本跟踪了这些漏洞的生命周期。这种方法使我们能够系统地分析项目中的漏洞，这在以前的广告研究中尚未进行广泛探讨。结果：我们的分析表明，在选定的ADS项目中，特定的CWE类别，尤其是CWE-190（59.6％）和CWE-20（16.1％）。这些漏洞通常持续六个月以上，涵盖了多个版本的迭代。结论：广告中的这些安全问题仍有待解决。经验评估显示了这些漏洞的严重性与它们对ADS性能的切实影响之间的直接联系。我们的发现突出了将静态代码分析集成到ADS开发中以检测和减轻共同漏洞的必要性。同时，主动保护策略（例如定期更新第三方库）对于提高ADS安全至关重要。和监管机构在促进静态代码分析工具和设定行业安全标准方面可以发挥关键作用。
焦点可调的两光子纤维镜在选定的深度处启用体内成像
微型的两光子成像设备可以在体内和亚细胞分辨率下进行实时成像，这对于临床应用和基础研究（例如神经科学）非常有价值。但是，在不同深度下实现高质量的体积成像仍然具有挑战性。在这项研究中，我们证明了2p纤维镜在直径350μm和400μm深度的圆柱体积上进行三维成像。深度扫描是通过将基于微电视的变种透镜（VL）纳入二维扫描2P Fiberscope来实现的，该扫描的焦点是通过调节VL驱动电压来调节的。首先使用幻像表征纤维镜的性能，然后通过对荧光染色的静电板和GFP小鼠脑切片以及体内动态GCAMP基于醒的小鼠中皮质神经元的基于体内动力学的钙成像来证明。
框置信深度：基于模拟的推理超矩形
在许多科学领域中，研究人员面临评估复杂统计模型的挑战，即可能的计算函数在计算上是棘手的，或者非常昂贵的计算。这导致了无似然推理方法的发展和日益普及，这为参数估计和模型比较提供了强大的替代方案。这些方法利用模拟，通过观察到的数据的比较来推断与模型在各种参数设置下产生的模拟结果的比较。在贝叶斯推论中，这些包括近似贝叶斯计算（Rubin，1984; Pritchard et al。，1999; Sisson等。，2018年），贝叶斯合成的可能性（Wood，2010; Price等，2018年），神经可能和后验估计（Rezende and Mohamed，2015年； Papamakarios，Sterratt和Murray，2019年）。在频繁的环境中，在Gourieroux，Monfort and Renault（1993）的基础工作之后，近年来才看到无可能无可能推理的进步（Masserano等人。，2022; Xie and Wang，2022年； Dalmasso等。，2024）。本研究的重点是频繁推断，针对基于模拟的模型和非标准的规律性条件的校准置信区间和区域的构建。建议的方法提供了统一的
对数字时代对赞比亚税务局（ZRA）内税收合规影响的影响深度分析
数字时代已在全球范围内深刻改变了税收管理，引入了创新的技术，这些技术简化了税收流程，减轻行政负担并增强合规性。数字平台（例如在线税收申报系统和移动应用程序）已证明有助于使纳税人有效履行其义务，同时改善收入收入。这些发展在赞比亚等新兴经济体中尤为重要，在赞比亚，税务管理现代化对经济增长和财政可持续性至关重要。