XiaoMi-AI文件搜索系统
World File Search SystemGeo
gpld3d：通过执行几何学和物理先验
扩散概率模型（DDPM）[39，40]，通过开发合适的3D表示，例如，体积网格[50]，点云[3，53]，三角形网格[24，32]，隐式含量[24，32]，隐式代表[12，28，36，36，36，36，56，36，56，36，36，36，56）。但是，这些生成模型的一个共同主题是匹配由训练数据定义的经验分布以及从潜在空间的先前分布中得出的诱导分布。这些方法在3D域中对下游应用程序至关重要的3D域中没有明确模型。考虑使用隐式形状代表的许多状态形状发生器。合成形状通常具有断开的作品，并具有其他物理稳定性和几何可行性的问题。现有技术的一个主要问题是，他们只看到培训实例，这是一组非常稀疏的样本。但是，它们没有对合成实例的几何和物理特性进行建模。这种问题不容易通过开发合适的神经代表来解决。随着人造形状具有多种拓扑结构，在可以对不同拓扑结构建模的代表下执行这些属性，例如隐式表面和点云仍然非常具有挑战性。在本文中，我们介绍了一种名为GPLD3D的新颖方法，该方法极大地增强了合成形状的几何学性和物理稳定性。考虑一个预先训练的生成模型，该模型将潜在空间映射到形状空间。我们将潜在扩散范式[12，34，36，56]证明是一种最先进的形状基因产生模型。与训练一个扩散模型不同，该模型将潜在空间的高斯分布映射到由训练形状的潜在代码定义的经验分布，我们介绍了一个潜在代码的优质检查器，以定义潜在空间的连续正规化分布。此质量检查器集成了一个学到的功能，该功能量化了合成形状的几何可行性评分以及量化其物理稳定性评分的刚度ma-Trix的光谱特性。我们展示了如何扩展最新的扩散框架EDM [20]，以整合数据分布和学习质量的denoising网络的质量检查器。关键贡献是一种原则性的方法，它决定了数据分散的损失条款与不同噪声水平的质量检查器之间的权衡参数。我们已经评估了shapenet-v2上GPLD3D的性能[6]。实验结果表明，在多个指标上，GPLD3D显着优于最先进的形状发生器。我们还提出了一项消融研究，以证明合并质量检查器并优化训练损失的超参数的重要性。
佐治亚州
国家气象局（NWS）天气预报办公室（WFO）的人员配备24/7/365，并向佐治亚州的居民提供天气，水和气候预报和警告。全国有122个WFO在佐治亚州。训练有素的预报员向公众，媒体，紧急情况管理和执法官员，航空和海洋社区，农业利益，商业人士等发出了警告和对天气事件的预测，包括严重的雷暴，龙卷风，飓风，冬季风暴，洪水和热浪。信息通过多种方式传播，包括无线紧急警报，社交媒体，Weather.gov和NOAA Weather Radio所有危害。每个WFO都有一个警告协调气象学家，他积极开展外展和教育计划，以加强与紧急管理，政府，媒体和学术社区的当地合作伙伴的工作关系。预报员在野火，洪水，化学溢出和重大恢复工作等关键紧急情况下提供基于影响的决策支持服务（IDSS）。为了收集数据以进行预测和其他目的，NWS WFO员工监控，维护和使用自动化的地表观测站和多普勒天气雷达。除了WFO外，NWS还经营着全美的专业国家预测中心和区域总部，总共有168个运营单位。NWS劳动力的85％以上是在现场。对于当前的佐治亚州天气，请访问www.weather.gov，并在国家地图上单击相关的县或地区。
Brian Drake 是国防情报局未来能力与创新办公室的人工智能主管。他领导该机构的人工智能研究和开发投资组合。作为一名分析师，他领导多个团队应对来自国家和非国家行为者的威胁，涉及技术、反情报和禁毒等主题。他曾担任德勤咨询公司的经理和托夫勒联合公司的管理顾问，专门为商业和政府客户提供战略规划、业务发展、合作咨询、技术和创新服务。他还曾担任系统规划和分析公司的军事平台和政策分析师以及 DynCorp 公司的核武器计划分析师。他拥有默瑟大学的文学士学位和乔治城大学的硕士学位。除了官方职责外，他还是国防情报纪念基金会的总裁兼首席执行官；该基金会是为阵亡国防情报官员的子女设立的奖学金基金。
Brian Drake 是国防情报局未来能力与创新办公室的人工智能主任。他领导该机构的人工智能研究和开发投资组合。作为一名分析师，他领导多个团队应对来自国家和非国家行为者的威胁，涉及技术、反情报和禁毒主题。他曾担任德勤咨询公司的经理和托夫勒联合公司的管理顾问，专门为商业和政府客户提供战略规划、业务发展、合作咨询、技术和创新服务。他还曾担任系统规划和分析公司的军事平台和政策分析师以及 DynCorp 的核武器计划分析师。他拥有默瑟大学的文学学士学位和乔治城大学的硕士学位。除了他的官方职责外，他还是国防情报纪念基金会的总裁兼首席执行官；为阵亡国防情报官员的子女设立的奖学金基金。
从文本到图像模型中检查图像的地理代表性
生成模型的最新进展导致了模型，这些模型既可以为大多数文本输入产生现实和相关的信息。这些模型每天都用于生成数百万张图像，并具有巨大影响诸如生成艺术，数字营销和数据增强等领域。鉴于它们的影响力，重要的是要确保生成的内容反映全球的伪影和周围环境，而不是过分代表世界的某些地区。在本文中，我们使用众包研究的研究衡量了通过dall·e 2产生的普通名词（例如房屋）的地理代表，以及稳定的扩散模型，其中包括27个国家 /地区的540名参与者。为了有意地指定没有国家名称的意见，生成的图像最反映了美国之后是印度的周围，而顶级世代很少反映出所有其他国家的周围环境（平均得分少于5分中的3个）。在输入中指定国家名称的代表性增加了1。平均在5-点李克特（Dall）的李子量表上为44点。75对于稳定的扩散，许多国家的超高分数仍然很低，这突出了将来模型在地理上更具包含的需求。最后，我们研究了量化使用用户研究的产生图像的地理代表性的可行性。1
PointNeuron：通过点云的几何和拓扑学习进行 3D 神经元重建
从 3D 显微镜图像重建数字神经元是研究大脑连接组学和神经元形态的重要技术。现有的重建框架使用基于卷积的分割网络在应用追踪算法之前将神经元从噪声背景中分割出来。追踪结果对原始图像质量和分割精度很敏感。在本文中，我们提出了一种新的 3D 神经元重建框架。我们的关键思想是利用点云的几何表示能力来更好地探索神经元的内在结构信息。我们提出的框架采用一个图卷积网络来预测神经骨架点，采用另一个图卷积网络来产生这些点的连通性。我们最终通过解释预测的点坐标、半径和连接来生成目标 SWC 文件。在 BigNeuron 项目的 Janelia-Fly 数据集上进行评估，我们表明我们的框架实现了具有竞争力的神经元重建性能。我们对点云的几何和拓扑学习可以进一步有益于 3D 医学图像分析，例如心脏表面重建。我们的代码可在 https://github.com/RunkaiZhao/PointNeuron 上找到。
仪器仪表 - 加拿大岩土工程学会
制造商。这是可以理解的，特别是考虑到需要从根本上了解传感器的行为，以及需要专门设计的信号调节电子设备来确保系统在较长的时间内提供可靠和稳定的输出。Slope Indicator Co. 已投入研究和开发资源，用于传感器激励方法、温度影响以及对复杂校准系统和程序的需求。在各种不同应用和位置中大量成功安装的记录证明了对电水平仪技术开发的投资。（Rasmussen 等人）这些，连同描述电水平仪使用情况的其他论文（在 GN 和其他地方），让我在考虑在温度变化很大的环境中使用电水平仪时产生了不确定性。我认为迫切需要技术论文/文章，最好由知识渊博的用户撰写，描述案例历史经验。如果对特定现场情况的适用性存在疑问，我认为在制造商的密切参与下进行现场试验可能是合适的。如果“外面”的任何人有能力做这两件事，请这样做，并告诉我们您学到了什么。
地理空间科学技术的冬季学校（...
地理空间科学和技术知识的夏季/冬季学校能力建设计划已被确定为印度可持续经济增长的最重要驱动因素。印度通过其“数字印度”计划采用了新的信息制度来实现可持续经济增长，以支持善政，可持续发展目标和赋予其公民权力。在过去的三十年中，将地理空间技术广泛采用到各个部门中已被证明是应对这些挑战的有效推动者。印度政府的自然资源数据管理系统（NRDMS）的国家地理空间计划（NGP）的能力建设计划倡议，以前的自然资源数据管理系统（NRDMS），通过与各种合作伙伴组织合作，通过各种各样的计划来开发国家地理空间科学和技术发展的国家能力。三个星期的计划正在三个级别（标准），1级（空间思维）和2级。此外，还有一个为期三天的地理创新挑战计划。该计划的目的是与学术界和用户机构合作建立知识和各级治理，并促进创新。地理空间科学和技术的2级夏季 /冬季学校这个三周计划是全国八家机构实施的主题特定的高级培训。为期一周的在线刷新会议将在三周计划开始之前举行。3印度政府由国家地理空间计划（NGP）支持的21天夏季/冬季学校（第2级），印度政府由国家地理空间计划（NGP）支持通过使用地理空间软件来开发地理空间技术的知识和能力建设。
乔治奥斯·帕夫利迪斯 - 尼亚波利斯大学
本文旨在探讨全球化世界中人工智能 (AI) 监管所带来的法律和政策挑战。人工智能技术的快速发展和广泛应用已经超越了地理界限，因此需要一个能够有效应对人工智能带来的挑战的全面法律框架。本文旨在研究在人工智能跨越国界的情况下，法律应如何保护和实现权利。此外，本文主张建立一个超国家的欧盟人工智能机构；它还研究了该机构的指导原则以及关键角色和职责。本文为未来几十年欧盟和全球化世界中关于人工智能监管的更广泛讨论做出了贡献。