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。
7。姿势估计的机器学习和计算机视觉
•熟悉计算机视觉-DeepLabcut [1]工具箱。•具有软件中的培训和测试CNN和DNN算法的专业知识，并了解在硬件上部署算法（在FPGA上）。•具有Python的培训，以及对基本信号处理概念的了解•具有Verilog和PCB设计的经验是首选•候选人必须具有自我驱动的态度，调试和解决问题的能力以及独立工作的能力。联系人：请与Mustafa Kanchwala（Mustafaa.kanchwala@mail.utoronto.ca）联系，然后复制到Roman Genov教授（roman@eecg.utoronto.ca）。请随附您的求职信，简历和成绩单（没办法可以）[1] https://www.mackenziemathislab.org/deeplabcut-动物姿势估计的软件包
厨房：用于6D物体姿势估算厨房环境中的现实世界基准和数据集
摘要 - 尽管最近在6D对象构成了机器人抓握的方法方面取得了进展，但在现有数据集中这些甲基多种多样的能力与现实世界中的握把和移动操作任务之间的功能之间存在很大的表现差距，尤其是当机器人完全依靠其单声学egocentric领域（Fov）。现有的现实世界数据集主要关注桌面抓地力方案，其中机器人臂放在固定位置，并且对象集中在固定外部相机的FOV中。评估此类数据集上的性能可能无法准确反映厨房环境中日常抓握和移动操作任务所面临的挑战，例如从较高的架子，水槽，洗碗机，烤箱，冰箱，冰箱或微波炉中检索物体。为了解决这一差距，我们提出了厨房，这是一种专门估算厨房环境中各个位置的物体的6D姿势的新颖基准测试。为此，我们录制了一个全面的数据集，该数据集包含约205K现实世界的RGBD图像，用于在两个不同的厨房中捕获的111个厨房对象，利用具有以自我为中心的人的人形机器人。随后，我们开发了一个半自动的注释管道，以简化此类数据集的标签过程，从而产生2D对象标签，2D对象分割掩码和6D对象，并以最少的人为努力构成。基准，数据集和注释管道可在https：//kitchen-dataset.github.io/kitchen上公开获得。
26112024_POSEIDA aquisition_en
尚未开始提供波塞达普通股的流通股份。此公告仅用于信息目的，不构成建议，购买或征求出售Poseida证券的要约。仅根据购买和相关招标材料的要约就购买Poseida普通股的招标和要约。在开始报价时，Roche Holdings，Inc。（“ Roche”）及其收购子公司（Roche的全资子公司）将向Securities and Exchange Commission（“ SEC”）（“ SEC”）及其随后的Poseida提交一份招标，Poseida将与Secition/Section/Section forting forted forted forting forted Sep torde Sect fortive forted 14d-9d-9 tord tord forting fortive forting fortive forting fortive forts torge。招标要约材料（包括购买要约，透射和其他招标文件的相关信）以及附表14d-9上的请求/建议声明将包含重要信息。
使用rvq-vae
在手语制作（SLP）任务中，一种常见的方法是具有独立的手语单词，然后将其运动表示形式串联以形成完整的句子。然而，由于中间缺少框架，该过程构成了挑战，这导致突然过渡并降低平滑度，从而使结果序列难以解释。为了解决此问题，本文介绍了一个量化的矢量量化变异自动编码器（RVQVAE）模型，用于在视频中插值2D关键点运动。我们的实验通过在视频关键点序列中随机隐藏一组帧来模拟单个符号转变。通过将其性能与隐藏帧的基线方法进行比较，可以评估所提出的模型。矩阵距离误差和动态时盘指标的改进表明，RVQVAE模型可为生成中间帧产生有希望的结果。这些发现突出了开发应用程序的潜力，以增强手语的生产以使聋人社区受益。
d-pose：深度作为3D人姿势和形状估计的中间表示
我们提出了D置位（D EPTH作为3D人类PO SE和S HAPE E刺激的中间代码），这是一种单阶段方法，可估计来自单个RGB图像的人姿势和Smpl-X形状参数。最近的作品将较大的模型与变压器骨架和解码器一起提高人体姿势和形状（HPS）基准的准确性。d-pose提出了一种基于视觉的ap-porach，它使用估计的人类深度映射作为HPS和利用合成数据的培训的中间表示，并在训练过程中提供了与它们一起提供的地面深度映射。尽管在合成数据集中受过培训，但D-Pose在现实世界基准数据集，EMDB和3DPW上实现了最新的性能。尽管其简单的轻巧设计和CNN主链，但它的表现优于基于VIT的模型，这些模型的模型几乎较大。d-pose代码可用：https：//github.com/nvasilik/d-pose
在英特尔 Myriad X 嵌入式 SoC 上加速人工智能和计算机视觉以进行卫星姿态估计
在边缘部署人工智能 (AI) 和计算机视觉 (CV) 算法的挑战性推动了嵌入式计算社区研究异构片上系统 (SoC)。这种新型计算平台提供了接口、处理器和存储的多样性，然而，AI/CV 工作负载的有效分区和映射仍然是一个悬而未决的问题。在此背景下，本文在英特尔的 Movidius Myriad X 上开发了一个混合 AI/CV 系统，这是一个异构视觉处理单元 (VPU)，用于初始化和跟踪卫星在太空任务中的姿态。航天工业是研究替代计算平台以遵守机载数据处理的严格限制的社区之一，同时也在努力采用 AI 领域的功能。在算法层面，我们依靠基于 ResNet-50 的 UrsoNet 网络以及自定义经典 CV 管道。为了实现高效加速，我们结合多种并行化和低级优化技术，利用 SoC 的神经计算引擎和 16 个矢量处理器。所提出的单芯片、稳健估计和实时解决方案在 2W 的有限功率范围内为 100 万像素 RGB 图像提供高达 5 FPS 的吞吐量。
GAO-24-106932，联邦合同：应对中国工作顾问带来的风险所需的及时行动
美国国家安全战略将中国确定为美国唯一的竞争者，具有重塑国际秩序的意图和权力，具有扩大其影响力并成为世界领先力量的野心。国会议员表示担心，向美国政府和外国政府（尤其是潜在的美国对手）咨询的公司可能会带来利益冲突，这使美国国家安全利益处于危险之中。联邦收购法规（FAR）定义了组织冲突（OCI）通常包括一个情况，即承包商等实体可能由于与另一个实体的关系或活动而无法提供公正的援助或建议。如下所述，最近制定的立法参考了承包商与外国实体的关系，这可能是OCI的原因。
scipad：将空间线索纳入无监督的姿势深入关节学习
摘要 - 不监督的单眼深度估计框架 - 作品显示出有希望的自主驱动性能。但是，现有的解决方案主要依靠一个简单的召集神经网络来进行自我恢复，该网络努力在动态，复杂的现实世界情景下估算精确的相机姿势。这些不准确的相机姿势不可避免地会恶化光度重建，并误导了错误的监督信号的深度估计网络。在本文中，我们介绍了Scipad，这是一种新颖的方法，它结合了无监督的深度置式联合学习的空间线索。具体来说，提出了一种置信度特征流估计器来获取2D特征位置翻译及其相关的置信度。同时，我们引入了一个位置线索聚合器，该位置线索聚合器集成了pseudo 3D点云中的depthnet和2D特征流入均匀的位置表示。最后，提出了一个分层位置嵌入喷油器，以选择性地将空间线索注入到鲁棒摄像机姿势解码的语义特征中。广泛的实验和分析证明了与其他最新方法相比，我们的模型的出色性能。非常明显的是，Scipad的平均翻译误差降低了22.2％，而Kitti Odometry数据集的相机姿势估计任务的平均角误差为34.8％。我们的源代码可在mias.group/scipad上找到。