摘要:光检测和范围(LIDAR)技术现在已成为许多应用程序中的主要工具,例如自主驾驶和人类 - 机器人协作。基于点云的3D对象检测因其在挑战性的环境中对相机的有效性而在行业和日常生活中广泛接受。在本文中,我们提出了一种模块化方法,可以使用3D激光雷达传感器检测,跟踪和分类人员。它结合了多个原则:用于对象分割的强大实现,带有本地几何描述符的分类版和跟踪解决方案。此外,我们通过在没有任何以前的环境知识的情况下通过运动检测和运动预测来获取和预测感兴趣的区域来减少要处理和预测感兴趣的区域的积分数量,从而在低绩效机器中实现了实时解决方案。此外,由于局限性的视图或极端姿势变化,例如蹲伏,跳跃和拉伸,我们的原型即使在具有挑战性的情况下也能够成功地检测和跟踪人员。最后,在室内环境中进行的多个真实的3D激光雷达传感器记录中测试并评估了所提出的解决方案。与最先进的方法相比,结果在人体的积极分类中特别高。
描述 t 1 t 2 分配原理 案例 1 无波动性 res 高,d 低 res 高,d 低 无存储 案例 2 无波动性 res 高,d 高 res 高,d 高 无存储 案例 3 发电波动性 res 高,d 高 res 低,d 高 R 中的存储 案例 4 两者的波动性 res 高,d 低 res 低,d 高 R 和 D 之间无差异 案例 5 发电波动性 res 高,d 低 res 低,d 低 无存储 案例 6 需求波动性 res 高,d 低 res 高,d 高 D 中的存储 案例 7 需求波动性 res 高,d 高 res 高,d 低 无存储 案例 8 两者的波动性 res 高,d 高 res 低,d 低 无存储
实现信息处理任务的抽象最佳速率通常以正规信息度量来表征。在许多量子任务的情况下,我们不知道如何计算此类数量。在这里,我们利用最近引入的D#中的对称性,以便在各种正规化数量上获得半有限编程范围的层次结构。作为应用程序,我们提供了一个一般程序,以在正规化的叶ume频道差异以及经典能力和量子通道的两向辅助量子能力上给出有效的界限。特别是,我们可以轻微改善振幅阻尼通道的能力。我们还证明,对于固定的输入和输出尺寸,可以将任何两个量子通道之间的正则夹层r´enyi差异近似至1 /ϵ中多项式的及时time。
。CC-BY 4.0 国际许可下可用(未经同行评审认证)是作者/资助者,他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2022 年 12 月 15 日发布。;https://doi.org/10.1101/2022.12.13.520254 doi:bioRxiv 预印本
。CC-BY 4.0 国际许可下可用(未经同行评审认证)是作者/资助者,他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2022 年 10 月 26 日发布。;https://doi.org/10.1101/2022.10.25.513809 doi:bioRxiv 预印本
这篇论文是由学者的矿山带给您的,这是密苏里州S&T图书馆和学习资源的服务。这项工作受美国版权法的保护。未经授权的使用,包括重新分配的复制需要版权持有人的许可。有关更多信息,请联系scholarsmine@mst.edu。
学习以场景图的形式从原始信息组成视觉关系是一项高度挑战的任务,这是由于上下文依赖性的,但是在依赖于场景所在的现场视觉应用程序中至关重要。但是,场景图生成(SGG)中没有当前的方法旨在为下流任务提供有用的图形。相反,主要重点主要是公开数据分布以预测更多细粒关系的任务。据说,所有的关系关系都不相同,至少其中一部分对现实世界应用没有用。在这项工作中,我们介绍了有效的SGG的任务,该任务旨在阐述相关关系的产生,从而促进了在下游任务(例如图像生成)中使用场景图的使用。为了支持进一步的方法,我们根据流行的Visual Genome数据集的注释提出了一个新的数据集,即VG150策划的新数据集。我们通过一组实验表明,该数据集包含比通常在SGG中使用的数据更高质量和多样的注释。最后,我们显示了从场景图1中生成图像生成的任务中该数据集的效率。
•阶段1用于投资前专业服务,在遵循EXEED过程中最多支持额外费用的50%。•第2阶段最多适用于合格成本的30%和与EXEED方法实施相关的其他专业服务。在每个阶段,中型或中小型公司都有额外的10%或20%。(有关更多详细信息,请参见第4节。)SEAI鼓励第1阶段和第2阶段的早期申请。下面的图1给出了提交1阶段赠款申请和开始现场建设工程之间的典型交货时间。请注意,在Seai发出的要约之前进行的任何研究或工作(如适用)都不会得到授予。为了进步至第2阶段,不必要求或接收1阶段的支持;但是,EXEED研究(根据EXEED标准完成)是任何阶段2应用的要求。
摘要。相关的随机性在于有效的现代安全多方计算(MPC)协议的核心。生成MPC在线阶段协议所需的相关随机性的成本通常构成整体协议中的瓶颈。Boyle等人发起的伪随机相关发生器(PCG)的最新范式。(CCS'18,Crypto'19)为此问题提供了一个吸引人的解决方案。在草图中,为每个方提供了一个短的PCG种子,可以将其局部扩展为长相关字符串,从而满足目标相关性。在各种类型的相关性中,有忽略的线性评估(OLE),这是对算术电路的典型MPC协议的基本和有用的原始性。旨在有效地生成大量OLE,并应用于MPC协议,我们建立了以下结果:(i)在任何字段F p上,我们为OLE提出了一种新颖的可编程PCG构造。对于kn ole相关性,我们需要O(k log n)通信和O(k 2 n log n)计算,其中k是任意整数≥2。预先的作品要么具有二次计算(Boyle等人crypto'19),或者只能支持大于2的大小的字段(Bombar等人加密23)。(ii)我们扩展了上述OLE结构,以提供任何有限领域的各种相关性。引人入胜的应用之一是用于两方身份验证的布尔乘法三倍的有效PCG。对于kN身份验证的三元组,我们提供的PCG具有O(k 2 log n)位的种子大小。与以前的作品相比,每个作品都有自己的权利。据我们最大的知识,这种相关性以前尚未通过sublrinear沟通和准线性计算实现。(iii)此外,该可编程性可用于多方布尔三元组的有效PCG,因此是第一个具有无声预处理的布尔电路的有效MPC协议。尤其是我们显示的kn m-零件乘数可以在O(m 2 K log n) - 次通信中生成,而最先进的叶面(Asiacrypt'24)需要广播通道,并需要MKN + O(m 2 log kn)钻头通信。(iv)最后,我们提出有效的PCG,用于电路依赖性预处理,矩阵乘法和字符串OTS等。