XiaoMi-AI文件搜索系统
World File Search SystemMask
从pangasius cat鱼中剥落面膜的抗氧化活性...
剥落的面罩是一种掩模，其中包含弹性材料，例如明胶，使其易于涂抹和去除。这些剥落的口罩通过散布以形成稀薄的透明膜层来施加到面部。pangasius cat鱼明胶是剥落蒙版制剂中的胶凝剂，而将astaxanthin添加为抗氧化剂。astaxanthin是一种类似于β-胡萝卜素的分子结构的类胡萝卜素色素，与β-胡萝卜素相比，在中和自由基中表现出更强的抗氧化活性。这项研究的目的是使用DPPH方法确定由Pangasius catfish（Pangasius hypophthalmus）明胶的剥落凝胶口罩的抗氧化活性。astaxanthin提取物用作剥落凝胶面膜产生的活性成分，astaxanthin提取物浓度为0.5％。由pangasius catfish明胶制成的剥落凝胶面膜的抗氧化活性测试的结果补充了astaxanthin，其IC 50值为7572.84 µg/ml，而比较面膜的IC 50值（亮柠檬黑头品牌）为5045.74 µg/ml。这些结果表明，与市场上可用的比较口罩相比，产生的面膜的抗氧化活性较低。
设计和使用repotmasker
accgataggtataCgtatca-tttacgatac atcgct-ggtttttaCgcgcgtcaAttCaggatgc accggt-tgttttttaCgttaCgtagCaatCtagGataC
对人类和动物健康的威胁是由霉菌毒素和食物和饲料中发生的掩盖的霉菌毒素引起的
真菌，尤其是霉菌真菌，在自然环境以及食品行业中起着非常重要的作用，以生产许多专业产品。但是，其中许多在有利的条件下能够产生称为霉菌毒素的有毒化合物。其中许多人对包括人类在内的所有生物的生长和发展具有不利影响。霉菌毒素可以出现在所有食品和动物饲料中。在动植物的食物中积累的霉菌毒素和人类消耗的食物可以积聚在各种组织和器官中，这会导致其功能障碍，并可能导致癌症。植物可以通过糖化过程中和菌毒素来防御霉菌毒素。以这种方式中和的霉菌毒素被称为“掩盖的霉菌毒素”，对植物没有毒性，但在消化道中进入动物或人类的身体后，它们返回其原始毒性形式。让我们上诉并传播有关霉菌毒素的知识，因为它们对人和农场动物的健康构成了不断的威胁。
掩盖了判别性自我...
自我监督的表示学习（SSL）（Balesteriero等人，2023年）近年来已经成为表示学习的基石。诸如Openai剪辑之类的模型（Radford等人，2021）示例SSL方法如何产生适用于广泛下游任务的表达性表示。此范式依赖于配对的观测值（配对的视图或共享相同内容的方式）来提取有意义的特征。从广义上讲，SSL方法分为两类：歧视性和生成性（或基于重建）。歧视性SSL（Chen等人，2020年）旨在确保比随机采样观测值在潜在空间中更接近配对观测的表示。相反，基于重建的SSL（He等人，2022）涉及从其对中重建一个观察结果。在多视图设置中，数据增强技术（例如图像裁剪和颜色抖动）通常用于人为地创建单个单个观测值。在这些增强中，事实证明，图像裁剪特别有影响力，推动了视觉学习模型（例如Meta's Dino）（Caron等人，2021; Oquab等。，2023）和JEPA（Assran等人，2023）。最近的研究（Bizeul等人，2024）1表明，在图像域中，掩盖（概念上类似于裁剪），而不是单个图像像素可以生成图像对，从而促进基于重建的SSL中表达特征的学习。，2023）。在这个项目中，我们的目标是投资于将类似方法应用于歧视性SSL是否可以产生可比的好处，专门针对Dino，Jepa和Siglip（Zhai等人。
极化指导的无面膜阴影去除
阴影是一种脱离图像质量并降低下游视觉算法的性能的现象。尽管当前的图像删除方法已经取得了有希望的进度，但其中许多需要外部获得的阴影掩码作为输入数据的必要部分，这不仅引入了额外的工作量，而且还会导致由于面具的不准确性而导致阴影边界附近退化的性能。其中一些不需要阴影面具，但是，他们需要多种恢复亮度和颜色信息的恢复，以及保留阴影区域内的质地和结构信息而没有外部线索，这会带来高度不良的性感，并使易于制品的结果。在本文中，我们提出了第一个pol arization引导的图像sha dow re moval解决方案的pol-noss，以较少的伪影以无面膜的方式去除阴影。具体来说，它由一条两阶段的管道组成，可以重新设置不适当的状态，并为管道量身定制的神经网络，以抑制工件。实验结果表明，我们的pol-share在合成图像和现实世界图像上都达到了最先进的性能。
3D云通过地理空间意识到的蒙版自动编码器
swath（1.4 km）。此外，凭借其太阳同步轨道，Cloudsat在同一当地时间经过赤道，将观察结果限制为在一天中的特定时间内“快照”。相比之下，成像仪器在更广泛的视野和更高的时间分辨率上进行测量，但它们仅提供“自上而下”的视角，并且不会直接测量大气曲线。但是，将不同光谱通道中的图像与大气轮廓重叠的测量结合在一起，可以推断雷达轨道以外的垂直轮廓。Barker等。[3，4]通过强度像素匹配，开发了一种将地球保健曲线扩展到3D的算法。最近的工作[5，6，7]使用了基于ML的方法（例如U-NET，CGAN，线性回归，随机森林，XGBoost），以从“自上而下”的测量中估算垂直云信息。特别是Brüning等人。[5]从MeteoSat第二代（MSG）旋转增强的可见和红外成像仪（Seviri）的卫星图像进行了训练，并具有Cloudsat Cloud Cloud Radar（CPR）反射率，重建3D云结构。对于所有方法，模型训练需要数据源之间的精确空间和时间对齐。由于雷达卫星的立交桥有限（图1b），轮廓测量值少于可用的图像（为了进行比较，MSG/Seviri每年产生40 TB的图像数据，而CPR每年产生150 GB）。然后，我们使用匹配的图像profile对进行了3D云重建任务的预训练模型。自我监督学习（SSL）的最新进展（SSL）在大型未标记数据集的训练前模型中表现出了希望，但它们在云研究中的应用仍然不足。在这项工作中，我们将SSL方法（MAE，MAE，[8]）和GeoSpatemance Authewawe AutoCododers（基于Satmae，[9]）应用于2010年的多光谱MSG/SEVIRI数据。我们的结果表明，预训练始终提高此任务的性能，尤其是在热带对流带等复杂地区。具有地理空间意识的预训练模型（即时间和坐标编码），尤其是胜过随机初始化的网络和更简单的U-NET体系结构，从而改善了重建结果。该代码将在接受后提供。
简单有效的掩蔽扩散语言模型
虽然扩散模型擅长生成高质量图像，但先前的研究报告称，在语言建模中，扩散和自回归 (AR) 方法之间存在显著的性能差距。在这项工作中，我们表明简单的掩蔽离散扩散比以前认为的更有效。我们应用了一种有效的训练方法，可以提高掩蔽扩散模型的性能，并推导出一个简化的 Rao-Blackwellized 目标，从而带来额外的改进。我们的目标形式简单——它是经典掩蔽语言建模损失的混合——可用于训练仅编码器的语言模型，这些模型可以接受高效的采样器，包括可以像传统语言模型一样半自回归生成任意长度文本的采样器。在语言建模基准上，一系列使用现代工程实践训练的掩蔽扩散模型在扩散模型中达到了新的最先进水平，并接近 AR 困惑度。我们在项目页面上提供了代码 1 以及博客文章和视频教程 2：
基于 MRI 的脑肿瘤实例分割（使用 Mask R-
脑肿瘤分割是医学图像分析中对于患者准确诊断和治疗的关键步骤。传统的肿瘤分割方法通常需要大量的手动操作，并且容易出现差异。在本研究中，我们提出了一种使用 Mask R-CNN 进行脑肿瘤分割的自动化方法，Mask R-CNN 是一种最先进的深度学习实例分割模型。我们的方法利用 MRI 图像来高精度地识别和描绘脑肿瘤。我们在带注释的 MRI 图像数据集上训练了 Mask R-CNN 模型，并使用平均精度 (mAP) 指标评估了其性能。结果表明，我们的模型实现了 90.3% 的高 mAP，表明其在准确分割脑肿瘤方面的有效性。这种自动化方法不仅减少了肿瘤分割所需的手动操作，而且还提供了一致可靠的结果，有可能改善临床结果。
嘉年华的激流回旋：公众知识的面具的隐私推理
摘要。机器学习应用程序获得了越来越多的访问高度敏感的信息，同时需要越来越多的计算资源。因此，需要将这些计算昂贵的任务外包，同时仍确保数据的安全性和机密性是迫在眉睫的。在他们的开创性工作中，Tramèr和Boneh提出了激流回旋方案，用于隐私 - 通过将计算分为独立于数据的预处理阶段和非常有效的在线阶段来保存推断。在这项工作中，我们提出了一种新方法，可以通过引入狂欢节协议来显着加快预处理阶段。狂欢节利用子集总和问题的伪随机性也可以在预处理阶段实现有效的外包。除了证明安全性外，我们还包括一项经验研究，分析了针对较小参数的子集总和函数输出均匀性的格局。我们的发现表明，狂欢节是现实世界实施的绝佳候选人。
带有蒙版扩散的离散生成建模
Dieleman等。 （2022）。 分类数据的连续扩散。 Gulrajani＆Hashimoto（2024）。 基于可能性的扩散语言模型。Dieleman等。（2022）。分类数据的连续扩散。Gulrajani＆Hashimoto（2024）。基于可能性的扩散语言模型。