Lisa Perruzza, 1,9, * Tanja Rezzonico Jost, 1 Matteo Raneri, 1 Giorgio Gargari, 2 Martina Palatella, 1 Benedetta De Ponte Conti, 1,3 Frauke Seehusen, 4 Julia Heckmann, 5 Dorothee Viemann, 5,6,7 Simone Guglielmetti, 8 and Fabio Grassi 1,10, * 1 1 1个生物医学研究所,生物医学学院,瑞士贝林佐纳6500大学的Della della svizzera Italiana大学2号食品微生物学和生物生物学家部门,食品,环境和营养科学系(防御),MOLAN,MOLAN,MOLAN,MOLAN,MOLAN,MOLAN,MILAN,MILAN,2013 33 University of Bern, 3012 Bern, Switzerland 4 Institute of Veterinary Pathology, Vetsuisse Faculty, University of Zurich, 8057 Zurich, Switzerland 5 Department of Pediatrics, University Hospital W € urzburg, 97080 W € urzburg, Germany 6 Cluster of Excellence RESIST (EXC 2355), Hannover Medical School, 30625 Hannover, Germany 7 Center for感染研究,大学W€urzburg,97080 W€urzburg,德国8生物技术与生物科学系(BTBS)(BTBS),米兰 - 比科卡大学,20126年米兰,20126年,米兰,意大利9的地址:Humabs Biomed SA是Vir Biotechnology Inc.,6500 bellinzona conteraction cootsience of Cottoricant cootsience of Contection cootsience of Contection cootsive Indecland,Switzone,Switzerand contection * lperruzza@vir.bio(l.p。),fabio.grassi@irb.usi.ch(f.g。)https://doi.org/10.1016/j.xcrm.2024.101639
摘要:Palimpsests是已被刮擦或洗涤以重复使用的手稿,通常是另一个文档。恢复这些工具的不足文字对人文学者的学者具有重大兴趣。因此,学者经常采用多光谱成像(MSI)技术来渲染可见的无斑点。尽管如此,在许多情况下,这种方法可能不够,因为所得图像中的不足仍然被过度文字所掩盖。生成人工智能领域的最新进展为识别高度复杂的视觉数据中的模式并相应地重建它们的前所未有的机会。因此,我们提出将这一挑战作为计算机视觉中的一项介绍任务,旨在通过生成图像插入来增强未底文本的可读性。为了实现这一目标,我们设计了一种新的方法来生成合成的多光谱图像数据集,从而提供了大量的培训示例而无需手动注释。此外,我们还采用了该数据集来微调生成涂层模型,以提高palimpsest Undertext的可读性。使用来自西奈山的高加索阿尔巴尼亚底部文字的格鲁吉亚紫菜的彩色和MSI图像证明了这种方法的功效。
摘要 理论分析通常涉及虚时相关函数。根据这些信息推断实时动态响应函数非常困难。然而,正如我们在此所述,从测量的(实时)响应函数的频率依赖性计算虚时相关器非常简单。除了便于理论与实验之间的比较之外,所提出的方法还可用于从复杂数据集中提取(长时间弛豫)动力学的某些方面。我们通过对铁基超导体 Ba(Fe 1 − x Co x ) 2 As 2 的拉曼散射光谱推断出的向列响应的分析来说明这一点,其中包括一种用于识别该响应的假定量子临界贡献的新方法。