XiaoMi-AI文件搜索系统
World File Search SystemMoti
学习空间和时间中的自相似性作为视频动作识别的广义运动
时空卷积通常无法学习视频中的运动动态，因此需要一种有效的运动表示来理解自然界中的视频。在本文中，我们提出了一种基于时空自相似性（STSS）的丰富而鲁棒的运动表示。给定一系列帧，STSS 将每个局部区域表示为与空间和时间中邻居的相似性。通过将外观特征转换为关系值，它使学习者能够更好地识别空间和时间中的结构模式。我们利用整个 STSS，让我们的模型学习从中提取有效的运动表示。我们所提出的神经块称为 SELFY，可以轻松插入神经架构中并进行端到端训练，无需额外监督。通过在空间和时间上具有足够的邻域体积，它可以有效捕捉视频中的长期交互和快速运动，从而实现鲁棒的动作识别。我们的实验分析表明，该方法优于以前的运动建模方法，并且与直接卷积的时空特征互补。在标准动作识别基准 Something-Something-V1 & V2、Diving-48 和 FineGym 上，该方法取得了最佳效果。
三模式运动通过学习联合嵌入空间
信息检索是一个不断发展且至关重要的搜索域。对高质量人类运动数据的大量需求，尤其是在在线获取中，导致人类运动研究工作的激增。先前的作品主要集中在双模式学习上，例如文本和运动任务，但是很少探索三模式学习。直觉上，额外的引入方式可以丰富模型的应用程序方案，更重要的是，对额外模式的适当选择也可以充当中介，并增强其他两个不同方式之间的对齐方式。在这项工作中，我们介绍了Lavimo（语言视频 - 动作对齐），这是一个三模式学习的新型框架，将以人为中心的视频整合为一种额外的方式，从而可以在文本和运动之间弥合差距。更重要的是，我们的方法利用了一种专门设计的注意机制来增强文本，视频和运动方式之间的一致性和协同作用。经验，我们对HumanML3D和Kit-ML数据集的结果表明，Lavimo在各种与运动相关的跨模式检索任务中实现了最先进的表现，包括文本到动作，动作到运动，视频，视频到视频，动作和动态。我们的项目网页可以在https://lavimo2023.github.io/lavimo/中找到。
文化、创新和动力 - KIE 会议
版权所有 © 2023 知识、创新与企业会议 版权所有 © 2023 个人作者* 保留所有权利。未经出版商书面许可，不得以任何形式或任何方式（电子、机械、影印、录音或其他方式）复制、存储在检索系统中或传播本出版物的任何部分。首次出版于 2023 年 由 KIE Conference 在英国伦敦出版 由 Corporate Document Services（英国英格兰利兹）在英国印刷和装订 如需许可请求，请通过以下电子邮件地址写信给出版商： 电子邮件：Kieteam@kiecon.org https://kiecon.org/creativity-books/ ISBN 978-1-85924-261-2 创造力书籍卷中的其他标题 卷 IX：庆祝巨人和开拓者：创造力研究和相关领域名人录 A-Z（2021 年） 卷 VIII：70 年的创造力研究：JP Guildford 的角色和当今的焦点（2020 年） 卷 VII：纪念当代现代创造力之父 E. Paul Torrance 诞辰 105 周年（2019 年） 卷 VI：STEM 教育中的创造力和创新（2018 年） 卷 V：创造力、创新和幸福感 (2017) 第 IV 卷：艺术、科学和技术中的创造力 (2016) 第 III 卷：KIE 创造力手册 (2015) 第 II 卷：商业中的创造力 (2014) 第 I 卷：创造力：过程、产品、个性、环境和技术 (2013) 建议章节引用（示例）：Kaufman, J. C. & Zheng, M. (2023)。创造力与未来：技术、全球化和善，Reisman, F.(编辑)，（第321-325 页）伦敦：KIE 出版物。可在线获取：https://kiecon.org/creativity-books/ [或插入您的大学存储库网址] 创造力书籍卷 KIE 出版物
不可避免的RNA图案和结构服务器
[1]可根据旋转不变性的最小值RNA结构基序的可扩展且可解释的识别，撰写的，Zhou，Malik，Tang，Mathews和Huang。重新梳理202 5。预印本：https：//arxiv.org/abs/2402.17206。[2]通过竞争对手结构的产生和结构分解，Zhou，Tang，Mathews和Huang通过竞争结构的产生和结构分解识别。RECOMB 2024，LNCS 14758的RECOMB会议记录，Springer。https://arxiv.org/abs/2311.08339 [3] RNA设计通过structure-ware Multi-Frontier合奏优化，作者：Zhou，Dai，Li，Li，Ward，Mathews和Huang。ISMB 2023的会议记录；生物信息学，39（supp。 1）。 https://doi.org/10.1093/bioinformatics/btad252ISMB 2023的会议记录；生物信息学，39（supp。1）。https://doi.org/10.1093/bioinformatics/btad252
敏捷自动驾驶汽车的实时运动计划
要允许复制或重新出版，请联系美国航空与宇航学院1801 Alexander Bell Drive，Suite 500，Reston，VA，20191–4344
利用解耦运动和形状模型进行 4D 心肌重建
评估心肌的形状和运动状态对于诊断心血管疾病至关重要。然而，电影磁共振 (CMR) 成像以 2D 切片为主，其大切片间距对切片间形状重建和运动获取提出了挑战。为了解决这个问题，我们提出了一种将运动和形状分离的 4D 重建方法，该方法可以从有限切片获得的给定稀疏点云序列预测间/内形状和运动估计。我们的框架包括一个神经运动模型和一个舒张末期 (ED) 形状模型。隐式 ED 形状模型可以学习连续边界并鼓励运动模型在没有地面真实变形监督的情况下进行预测，并且运动模型通过将任意点从任意阶段变形到 ED 阶段来实现形状模型的规范输入。此外，构建的 ED 空间可以对形状模型进行预训练，从而指导运动模型并解决数据稀缺问题。我们提出了我们所知的第一个 4D 心肌数据集，并在提出的、公开的和跨模态的数据集上验证了我们的方法，显示出卓越的重建性能并实现了各种临床应用。
大多数：运动预测的多模式场景象征化
许多现有的运动预测方法都依赖于符号感知输出来生成代理轨迹，例如边界框，路图信息和traf-fight。这种符号表示是现实世界的高级表现，它可能会使运动预测模型容易受到感知错误的影响（例如，在检测开放式录音障碍时失败），而缺少场景中的显着信息（例如，糟糕的道路条件）。另一种范式是从原始传感器中端到端学习。但是，这种方法缺乏解释性，需要大量的培训资源。在这项工作中，我们提出将视觉世界的标记化为一组紧凑的场景元素，然后利用预先训练的图像基础模型和LiDAR神经网络以开放式播音方式进行编码所有场景元素。图像基础模型使我们的场景令牌可以编码开放世界的一般知识，而LiDAR神经网络编码几何信息。我们提出的表示形式可以有效地用几百个令牌编码多帧多模式观察，并且与大多数基于变压器的体系结构兼容。为了评估我们的方法，我们使用了带有凸轮嵌入的Waymo开放运动数据集。通过Waymo开放运动数据集进行的实验表明，我们的方法会导致对最先进的表现的显着改善。
用活动摄像头在夜间看到运动
我们专注于一项非常具有挑战性的任务：在夜间动态场景时进行成像。大多数以前的方法都依赖于常规RGB摄像机的低光增强。，他们不可避免地会在夜间长时间的长时间和动作场景的动作模糊之间面临困境。事件摄像机对动态变化的反应，其时间分辨率较高（微秒）和较高的动态范围（120dB），提供了替代解决方案。在这项工作中，我们使用活动摄像头提出了一种新颖的夜间动态成像方法。具体来说，我们发现夜间的事件表现出时间段落的特征和空间非平稳分布。conse-我们提出了一个夜间活动重建网络（NER-NET），主要包括可学习的事件时间戳校准模块（LETC），以使临时尾随事件和非均匀照明式落后事件保持一致，以稳定事件的spatiotalmorporal分布。此外，我们通过同轴成像系统构建了配对的真实低光事件数据集（RLED），这包括空间和时间对齐的图像GTS和低光事件的64,200个。广泛的实验表明，在视觉质量和泛化能力方面，所提出的方法优于最先进的方法。
Motilal Oswal 集团 - 2021-22 年度报告
创历史新高，达到 905 千万卢比，同比增长 69%。我们的 ROE（不包括其他综合收入）在 2022 财年为 30%。我们对知识、人才、流程、技术、品牌和文化以及部门间协同效应的关注帮助我们在所有业务垂直领域实现了关键里程碑。鉴于强劲的基本结构，我们继续对所有业务垂直领域的增长潜力保持乐观。在资本市场方面，印度股市在本财年的大部分时间里继续看涨。该行业见证了 3.5 千万个新 demat 账户的开立，创下了历史新高。虽然 FII 在 2022 财年大肆抛售，但 DII 抵消了压力并创下了有史以来最高的流入量。我们经纪业务“Phygital 商业模式”的成功继续产生积极成果，因为我们在 2022 财年创下了有史以来最高的经纪收入、利润和 ADTO。我们在 2022 财年成功新增了 88 万客户，使零售客户总数达到约 285 万。我们的 ARPU 是业内最高的之一。我们的现金市场份额在
制造重塑的集成机器人运动和过程控制
摘要 - 金属制造过程的未来，例如激光切割，焊接和添加剂制造，应依赖于行业4.0支头的智能系统。这样的数字创新确实正在推动机械制造商进行深刻的转变。是根据针对特定过程设计和优化的定制机器，雄心勃勃是利用开放性和大量的工业机器人可用性，以提高多流程实现的灵活性和可重新配置。挑战在于，机械构建者将自己转变为高知名度专业的过程驱动的机器人集成器，能够用智能传感和认知方面的过程控制器杠杆优化机器人运动。这项工作描述了BLM集团和Politecnico di Milano的多年合作，在CNR的支持下，重点是部署完整的机器人工作站，其特征是机器人控制和运动计划与制造过程的完整整合。索引术语 - 指导的能量沉积，激光金属拆卸，添加剂制造的设计，CAD/CAM