XiaoMi-AI文件搜索系统
World File Search SystemPose
利用人类姿势估计来改善健康推荐系统
这种可穿戴健康设备和在线健康信息系统的广泛使用已经产生了对更个性化的健康建议的越来越多的需求，这是健康推荐系统（HRS）旨在解决的挑战。尽管有潜力，但目前的人力资源管理人员面临着将建议与用户的期望保持一致的挑战，这是建立对此类系统的信任的关键因素。hrs发现了与人姿势估计（HPE）的强大协同作用。的确，观察对用户健康的冒险风险对于提供有效的建议和支持以及应用于医疗保健领域的研究至关重要。例如，在职业医学领域采用HPE来进行人体工程学的姿势评估。的确，不纳入工作的主要原因之一是反复出现不当姿势和运动引起的健康问题[1]。为了解决这些问题，人体工程学家通过直接现场观察或分析执行常规工作任务的工人的视频记录来评估姿势。传统的姿势评估方法通常依赖于根据对各个方面的评估（例如生理角度，负载重量和重复次数）提供得分的标准化指数。在人力资源中，一个可能的创新方面是利用从HPE技术收集的数据，不仅可以提高性能，而且还可以根据用户的特征和动作提供更多个性化的解释。基于这些想法，我提出了一项初步工作[2]，重点是办公室工作人员的姿势校正。在文献中，许多研究共享了我们的姿势分类的目标[3,4,5]，但是他们的方法依赖于在严格的约束下收集的数据，例如使用专用摄像机，传感器或其他嵌入椅子中的数据。相比之下，我提出了一种基于从经典摄像机和轻巧，基于AI的快速分类模型的数据的简单方法。通过分析分类模型的结果，我们就可以建议对改善姿势改善改善工人的福祉。因此，我致力于在博士学位期间追求的目标。是引入一种新颖的方法，该方法将HPE的数据集成到人力资源管理中，为更精确和个性化的建议铺平了道路。
Neuropose：使用EMG可穿戴设备
无处不在的手指运动跟踪可以在增强现实，体育分析，康复 - 医疗保健，触觉等方面进行许多令人兴奋的应用程序。本文介绍了神经蛋白，该系统显示了使用柏拉图可穿戴肌电图（EMG）传感器进行3D手指运动跟踪的可行性。EMG传感器可以通过手指激活引起的肌肉感知电势，从而提供丰富的信息，以获得细粒的手指运动感测。然而，将传感器信息转换为3D手指的姿势是微不足道的，因为来自多个手指的信号以复杂的模式在传感器处叠加。为解决这个问题，神经蛋白与机器学习架构在复发性神经网络（RNN），编码器 - 编码器网络和重新NETS上的机器学习体系结构中融合了信息，从而从噪声EMG数据中解释了3D手指运动。生成的运动模式在时间上是光滑的，并且在解剖学上是一致的。此外，要利用一种转移学习算法将一个用户的验证模型调整到具有最小培训开销的新用户。对12位用户的系统研究表明中位错误为6。24◦和90％的误差为18。33◦在跟踪3D指关节角。准确性对于传感器安装位置的自然变化以及用户的腕部位置变化是可靠的。神经蛋白是在智能手机上实施的，其处理延迟为0.101，并且高能开销。
神经外科手术中增强现实的姿势估计和非刚性配准
摘要 — 目的：开颅手术是切除部分头骨，以便外科医生进入大脑并治疗肿瘤。进入大脑时，组织会发生变形，并可能对手术结果产生负面影响。在这项工作中，我们提出了一种新颖的增强现实神经外科系统，将从 MRI 获得的术前 3D 网格叠加到手术期间获得的大脑表面视图上。方法：我们的方法使用皮质血管作为主要特征来驱动刚性和非刚性 3D/2D 配准。我们首先使用特征提取器网络来生成概率图，并将其输入到姿势估计器网络以推断 6-DoF 刚性姿势。然后，为了解释大脑变形，我们添加了一个非刚性细化步骤，该步骤使用基于物理的约束将其表述为形状模板问题，有助于将变形传播到皮质下水平并更新肿瘤位置。结果：我们在 6 个临床数据集上回顾性地测试了我们的方法，并获得了较低的姿势误差，并使用合成数据集表明可以在皮质和皮质下水平实现相当大的脑移位补偿和较低的 TRE。结论：结果表明，我们的解决方案实现了低于实际临床误差的准确度，证明了我们的系统在实际应用中的可行性。意义：这项工作表明，我们可以使用单个摄像机视图提供通过开颅手术观察到的 3D 皮质血管的连贯增强现实可视化，并且皮质血管为执行刚性和非刚性配准提供了强大的功能。
生成媒体：签名，隐喻和经验
摘要 - 本文解决了在复杂制造环境中实施无标记的增强现实（AR）的挑战。使AR系统更加直观，健壮和适应性是使其在行业中成为可能的必需步骤。在不受控制的现实世界环境中遇到的硬约束中，我们显着面对生产线的动态性质以及在组装过程中对象的不断发展的外观。新兴深度学习（DL）方法启用了6D对象构成移动对象的AR注册的估计。但是，他们需要大量的6D对象构成地面真相数据。在现实世界的情况下，由于两个因素：建立精确的6D姿势标签程序的复杂性是在真实生产线中建立准确的6D姿势标签程序的复杂性，并且在整个组装线上遇到了各种各样的对象状态和外观。因此，有必要开发能够处理看不见的对象的替代6D构成估计技术。为此，本文介绍了一条新的管道，依靠HoloLens 2进行数据捕获，神经辐射场（NERF）进行3D模型生成，以及用于6D姿势估计的Megapose。所提出的方法可以实现6D姿势估计，而无需特定对象的训练或辛苦的姿势标签。
使用姿势估计技术在儿童中检测ADHD疾病 国际研究出版与评论杂志-IJRPR 驱动程序监视系统（DMS）-IJRPR 生成的AI可改善Web可访问性-IJRPR 构建具有二甲酸脱氢酶基因的表达载体及其转化为适当的宿主 对农业收益率预测中使用的最先进的机器学习算法的评论 使用机器学习技术的汽车转售价值预测 可持续发展的纳米技术-IJRPR 设计（药物设计）和生物活性分子的合成 算法交易及其对金融部门和市场的影响：AI驱动策略的案例研究 Terahertz天线的创新和进度-IJRPR
注意力缺陷多动症（ADHD）是影响全球个体的重大神经发育挑战。以持久的注意力不集中，多动症和冲动性为特征，ADHD通常在童年的早期表现出来，并且一直持续到成年，从而在生活的各个领域都呈现了多方面的影响。ADHD的复杂性需要对其病因，诊断方法，治疗方式以及与其管理相关的更广泛的社会影响。多动症的患病率在全球范围内有所不同，估计表明儿童和青少年的大幅度率。例如，来自疾病控制与预防中心（CDC）的数据表明，在美国，约有9.4％的2-17岁儿童接受了多动症诊断[1]。这种情况在男孩中比女孩更频繁地诊断出来，尽管研究表明性别差异可能反映了症状表现和诊断偏见的差异，而不是真正的患病率变化。多动症的普遍性质超出了个体症状，会显着影响学业表现，社交互动，情感幸福感和家族动态。
ajile12：长期自然主义的人类颅内神经记录和姿势
了解自然主义情景中人类运动的神经基础对于将神经科学研究扩展到受约束的实验室范式之外至关重要。在这里，我们描述了12名人类参与者（AJILE12）数据集的长期电视学的注释关节，这是公开可用的最大人类神经行为数据集；在被动临床癫痫监测期间，数据集记录了机会性。ajile12包括在55个半连续运动的自然主义运动中的同步颅内神经记录和上身姿势轨迹以及相关的元数据，包括成千上万的手腕运动事件和注释的行为状态。神经记录可在每位参与者至少64个电极中获得500 Hz，总计1280小时。在9个上身关键点处的姿势轨迹估计为1.18亿个视频帧。为了促进数据探索和重复使用，我们在Neurodata中的Dandi档案中共享了Ajile12，而无需边界（NWB）数据标准，并开发了基于浏览器的仪表板。
手动姿势和动作建模的生成层次临时变压器
摘要。我们提出了一个新颖的统一框架，该框架同时可以解决人体姿势和动作建模的未来预测。以前的作品通常为识别或预测提供了孤立的解决方案，这不仅增加了实际应用中整合的复杂性，而且更重要的是，无法证明双方的协同作用并在各自领域中遭受次优的性能。为了解决这个问题，我们提出了一个具有代表性的变压器VAE架构来模拟手动姿势和动作，在该构图中，编码器和解码器捕获识别和预测会重新恢复，并且它们通过VAE瓶颈进行了联系，要求学习从过去到未来的一致手动运动的学习，并反复使用。此外，为了忠实地对手姿势和动作的语义依赖性和不同的时间粒度建模，我们将框架分解为两个级联的vae块：第一个和后者的区块分别模拟了短跨度的姿势和长跨度的动作，并通过代表一个子second seraps saps sand Hand Poses的中级特征连接起来。将这种分解为块级联反应有助于捕获姿势和动作模型的短期和长期时间规律性，并使训练可以分别训练两个块，以充分利用具有不同时间粒度注释的数据集。我们跨多个数据集训练和评估我们的框架；结果表明，我们对识别和预测的联合建模可以改善孤立的解决方案，并且我们的语义和时间层次结构有助于长期姿势和动作模型。
对象6D姿势识别和基于机器学习的抓握
摘要 - 6D姿势估计方法的研究对于增强机器人感知和操纵能力至关重要，尤其是在复杂的环境中。最初，我们在凉亭仿真环境中采用了深对象姿势估计（DOPE）项目来识别和掌握对象。但是，在高度混乱或遮挡的场景中，涂料表现出差的性能。为了应对这些挑战，我们转向了一种更强大的方法，并彻底检查了其基本的纸张和代码。计算资源和时间的限制，我们专注于一个对象，并调整了参数以加快培训和评估过程。我们成功地训练了密集型模型，进行了评估，并可视化了结果。我们将修改模型的性能与官方密集型模型进行了比较，观察到，尽管我们的调整提高了速度和可行性，但官方模型在评估和可视化任务方面的准确性和鲁棒性方面的表现优于我们的表现。此比较强调了在实际应用中模型优化与性能之间的权衡。
风力涡轮机是否会对轻型飞机造成滚动危险？ - NREL
摘要。2016 年，风能占美国所有发电量的 5.6%。大部分发展发生在农村地区，那里的开放空间有利于利用风能，同时也为通用航空机场提供服务。因此，美国近 40% 的风力涡轮机都位于小型机场 10 公里范围内。风力涡轮机通过从大气中提取动量来发电，产生以风速下降和湍流增加为特征的顺风尾流。最近，人们担心涡轮机尾流会对小型飞机造成危害，这被用来限制风电场的发展。在此，我们使用公用事业规模涡轮机尾流的大涡模拟 (LES) 来评估小型飞机的滚动危害。计算假设飞机以各种方向横穿尾流时风产生的升力和随后的滚动力矩。探讨了稳定和中性分层的情况，稳定情况代表了可能的最坏情况，因为较低的环境湍流允许尾流持续更长时间。在这两种情况下，假设飞机在下行尾流和横行尾流横断面过程中经历的滚转力矩中只有 0.001% 会导致滚转风险增加。
风力涡轮机是否会对轻型飞机造成滚动危险？ - NREL
摘要。2016 年，风能占美国所有发电量的 5.6%。大部分发展发生在农村地区，那里有利于利用风能的开放空间也为通用航空机场提供服务。因此，美国近 40% 的风力涡轮机都位于小型机场 10 公里范围内。风力涡轮机通过从大气中提取动量来发电，产生以风速不足和湍流增加为特征的顺风尾流。最近，涡轮机尾流对小型飞机构成危险的担忧已被用来限制风电场的发展。在此，我们使用公用事业规模涡轮机尾流的大涡模拟 (LES) 评估小型飞机的滚动危险。计算假设飞机以各种方向横穿尾流时风产生的升力和随后的滚转力矩。探讨了稳定和中性分层的情况，稳定情况代表了可能的最坏情况，因为较低的环境湍流允许更长时间的尾流持续。在这两种情况下，假设飞机在下行尾流和横行尾流横穿过程中经历的滚转力矩中只有 0.001% 会导致滚转风险增加。