XiaoMi-AI文件搜索系统
World File Search SystemSOTA
驯服变压器用于现实激光雷达点云生成
扩散模型（DMS）已经实现了最新的（SOTA），从而导致LIDAR点云生成任务，从而受益于他们在抽样过程中稳定的训练和迭代精炼。但是，DMS由于其固有的降解过程而经常无法实际对LiDAR Raydrop噪声进行建模。为了保留迭代采样的强度，同时增强了射线噪声的产生，我们引入了Lidargrit，这是一种生成模型，该模型使用自动回应变压器在潜在空间而不是图像空间中迭代采样范围图像。此外，lidargrit还利用VQ-VAE分别解码范围和射线罩。我们的结果表明，与Kitti-360和Kitti Odometry数据集中的SOTA模型相比，Lidargrit的性能表现出色。代码可用：https：//github.com/hamedhaghighi/lidargrit。
国际应用预测杂志
这里的问题是，如果我们重新审视原始M4的结果（Makridakis及其同事，2020年，表4），我们将看到竞争实际上是通过方法ES-RNN赢得的，OWA的OWA为0.821。第二名是Fforma，OWA为0.838。陈述的OWA的时间网将将其置于第七位，在根本不使用深度学习的方法后面，甚至没有使用ML。这仍然不是一个不好的地方（在61名原始参与者中），但肯定不是SOTA，通常理解为方法是一种方法能够在该数据集中取得的最佳结果。另一个感兴趣的方面是他们对N-Beats的处理。这种方法不久前首次出现，正是通过声称在M4中实现SOTA的情况，其OWA为0.795（Oreshkin and Caleagues，2019，Table1）。时网确实确实报告了N-Beats的结果，但OWA为0.855。
对安全物联网数据共享的系统审查
摘要：物联网（IoT）越来越无所不在。The greater values of the IoT can be realized by enabling data sharing between different stakeholders.但是，最大的挑战之一是确保安全并为物联网数据共享提供信任。在本文中，我们确定了最新的（SOTA）方法和技术，以实现安全的物联网数据共享。我们提出了高级结果，强调了SOTA趋势并驱动了最多的域，以及更深入的细节，例如用于保留数据共享环境中安全性的程序和方法。区块链技术，智能合约和跨性别文件系统（IPFS）是最广泛使用的方法之一。今天的解决方案探索了一种更加分散的数据共享方法，因此需要考虑几个方面。基于发现，我们确定了未来工作的潜在研究指示，包括公共和私人区块链之间的差异，共享和分析的结合，数据质量的价值以及数据管理和治理的重要性。
![arxiv：2501.15415v1 [cs.cv] 2025年1月26日](/simg/g:\will\search\icon\source\8\84782461405a7624ab37009ae9f74c6fa1c1bb44.webp)
arxiv：2501.15415v1 [cs.cv] 2025年1月26日
从分子的图形表示中了解化学结构是一项具有挑战性的图像限制任务，它将极大地使以分子为中心的分数发现。分子图像和标题子任务中的变化在图像代表学习和任务建模中都构成了重大挑战。然而，现有的方法仅集中于将分子图像转化为其图形结构的特定字幕任务，即OCSR。 在本文中，我们提出了光学化学结构（OCSU）任务，该任务将OCSR扩展到分子图像字幕从基序级别到分子水平和抽象水平。 我们提出了两种方法，包括基于OCSR的方法和端到端OCSR-无ocsr方法。 拟议的双检查通过针对局部模棱两可的原子的细心功能增强，在现实世界专利和期刊媒介场景上实现了SOTA OCSR性能。 以基于微笑的分子理解方法级联，它可以利用OCSU的特定任务特定模型的功能。 MOL-VL是端到端优化的基于VLM的模型。 OCSU数据集Vis-Chebi20是基于广泛使用的Chebi20数据集构建的，用于培训和评估。 对Vis-Chebi20的广泛实验结果证明了所提出的方法的有效性。 提高OCSR功能可以为基于OCSR的APARCH提供更好的OCSU性能，而Mol-VL的SOTA性能表明了端到端方法的巨大潜力。OCSR。在本文中，我们提出了光学化学结构（OCSU）任务，该任务将OCSR扩展到分子图像字幕从基序级别到分子水平和抽象水平。我们提出了两种方法，包括基于OCSR的方法和端到端OCSR-无ocsr方法。拟议的双检查通过针对局部模棱两可的原子的细心功能增强，在现实世界专利和期刊媒介场景上实现了SOTA OCSR性能。以基于微笑的分子理解方法级联，它可以利用OCSU的特定任务特定模型的功能。MOL-VL是端到端优化的基于VLM的模型。OCSU数据集Vis-Chebi20是基于广泛使用的Chebi20数据集构建的，用于培训和评估。对Vis-Chebi20的广泛实验结果证明了所提出的方法的有效性。提高OCSR功能可以为基于OCSR的APARCH提供更好的OCSU性能，而Mol-VL的SOTA性能表明了端到端方法的巨大潜力。
消除混淆的凝视估计
摘要：基于深度学习的凝视估计方法在跨域环境中性能下降严重，其中一个主要原因是凝视估计模型在估计过程中受到身份、照明等凝视无关因素的混淆。本文提出通过因果干预来解决这一问题，因果干预是一种通过干预混杂因素的分布来减轻混杂因素影响的分析工具。具体而言，我们提出了基于特征分离的因果干预（FSCI）框架，用于可推广的凝视估计。FSCI 框架首先将凝视特征与凝视无关特征分离。为了减轻训练过程中凝视无关因素的影响，FSCI 框架进一步通过使用提出的动态混杂因素库策略对凝视无关特征进行平均来实现因果干预。实验表明，所提出的 FSCI 框架在不同的跨域设置中表现优于 SOTA 注视估计方法，在不接触目标域数据的情况下，跨域准确率分别比基线提高了 36.2% 和比 SOTA 方法提高了 11.5%。
适应植物表型的视觉基础模型
基础模型是对大量数据进行预训练的大型模型。通常可以以最小的努力来适应各种下游任务。但是，由于基础模型通常是在从互联网中提出的图像或文本上进行预培训的，因此它们在植物表型等植物域中的性能受到质疑。此外，完全调整基础模型是耗时的，需要高计算能力。本文研究了植物表型设置和任务的基础模型的有效适应。我们对三个基础模型（MAE，Dino和Dinov2）进行了大量实验，对三个必需的植物表型任务：叶子计数，实例阶段和疾病分类。特别是，预先训练的骨干被冷冻，同时评估了两种不同的调整方法，即适配器调整（使用lora）和解码器调整。实验结果表明，基础模型可以充分地适应植物表型任务，从而产生与针对每个任务的最先进的模型（SOTA）模型相似的性能。尽管在不同任务上表现出很高的传递能力，但在某些情况下，精细调整的基础模型的表现比SOTA任务特定的模型稍差，这需要进一步研究。
![arxiv：2410.12346v2 [cs.cv] 2024年11月21日](/simg/g:\will\search\icon\source\3\3584bb8d1e056af872da30b5740bb0aac534cfdc.webp)
arxiv：2410.12346v2 [cs.cv] 2024年11月21日
迭代采样过程的计算负担仍然是基于扩散的低光图像增强（LLIE）的主要挑战。当前的加速方法，无论是基于培训还是无训练，通常都会导致绩效显着降解，突出了性能和效率之间的权衡。在本文中，我们确定了导致降解的两个主要因素：拟合错误和推理差距。我们的关键见解是，可以通过线性推断不正确的分数函数来减轻拟合误差，而可以通过将高斯流量转移到反射率感知的残余空间来减少推理差距。基于上述见解，我们设计了反射性感知的轨迹限制（RATR）模块，这是一个简单而有效的模块，可使用图像的反射率组成来完善教师轨迹。之后，我们使用Di stalled T Rajectory（Reddit）引入了flectance-flectance-flectance defusion，这是一个为Llie量身定制的效率且灵活的蒸馏框架。我们的框架可以在仅2个步骤中以冗余步骤的冗余步骤实现可比性的性能，同时建立8或4个步骤的新最先进的结果（SOTA）结果。对10个基准数据集的全面实验评估验证了我们方法的有效性，始终超过现有的SOTA方法。
语言扩展的室内大满贯（Lexis）
摘要 - 多功能和自适应的语义理解将使自主系统能够理解并与周围环境相互作用。现有的固定级模型限制了室内移动和辅助自主系统的适应性。在这项工作中，我们介绍了Lexis，这是一种实时的内部本地化和映射（SLAM）系统，它利用了大型语言模型（LLMS）的开放式视频库本质（LLMS），以创建一种统一的方法，以实现现场和放置识别。该方法首先构建了环境的拓扑大满贯图（使用视觉惯性探子仪），并嵌入了图节点中的对比性语言图像预处理（剪辑）特征。我们将此表示形式用于灵活的房间分类和细分，作为以室内为中心的地方识别的基础。这允许循环封闭搜索针对语义相关的位置。使用公共，模拟数据和现实数据，涵盖办公室和家庭环境，对我们提出的系统进行评估。它成功地将房间分类为不同的布局和尺寸，并优于最先进的房间（SOTA）。对于位置识别和轨迹估计任务，我们实现了与SOTA的等效性能，所有这些都使用相同的预训练模型。最后，我们演示了系统的计划潜力。视频：https：// youtu。BE/GRQF3EUDFX8
超快正方根基于滤波器 - chuchu chen
摘要 - 在本文中，我们强烈提倡正方形 - 根协方差（而不是信息）对视觉惯性导航系统（VIN）的过滤，尤其是在资源约束的边缘设备上，因为其效率较高和数值稳定性。尽管VIN近年来取得了巨大进展，但在施加有限的单词长度时，它们仍然在嵌入式系统上面临资源的严格性和数值不稳定。为了克服这些挑战，我们开发了一种超快速和数值稳定的平方根滤波器（SRF） - 基于VINS算法（即SR-VINS）。所提出的SR-VIN的数值稳定性是从采用方形协方差继承而来的，而非新颖的SRF更新方法基于我们新的Permisted-QR（P-QR）的新型SRF更新方法可以极大地实现，该方法完全利用，该方法完全利用并适当地维持了平方英尺的上层三角形结构。此外，我们选择了状态变量的特殊订购，该变量适用于SRF传播中的（p-）QR操作，并更新并防止不必要的计算。通过数值研究对拟议的SR-VIN进行了广泛的验证，表明当最先进的（SOTA）过滤器存在数值困难时，我们的SR-VINS具有较高的数值稳定性，并且非常明显地，在32位单一的速度上，以速度快速旋转，可以像Sota一样快速地浮动32位单一的浮动效果。我们还进行了全面的现实实验，以验证所提出的SR-VIN的效率，准确性和鲁棒性。
FBCNet：用于脑机接口的多视图卷积神经网络
摘要 — 缺乏足够的训练样本和嘈杂的高维特征是基于脑电图 (EEG) 的脑机接口 (BCI) 的运动想象 (MI) 解码算法面临的主要挑战。为了应对这些挑战，受 MI 的神经生理特征的启发，本文提出了一种用于 MI 分类的新型滤波器组卷积网络 (FBCNet)。FBCNet 采用多视图数据表示，然后进行空间滤波以提取光谱空间判别特征。这种多阶段方法即使在训练数据有限的情况下也能有效地训练网络。更重要的是，在 FBCNet 中，我们提出了一种新的方差层，可以有效地聚合 EEG 时域信息。通过这种设计，我们在四个 MI 数据集上将 FBCNet 与最先进的 (SOTA) BCI 算法进行了比较：BCI 竞赛 IV 数据集 2a (BCIC-IV-2a)、OpenBMI 数据集和两个来自慢性中风患者的大型数据集。结果表明，通过实现 76.20% 的 4 类分类准确率，FBCNet 为 BCIC-IV-2a 数据集设定了新的 SOTA。在其他三个数据集上，FBCNet 的二分类准确率提高了 8%。此外，我们使用可解释的 AI 技术提供了第一份关于健康受试者和中风患者之间判别性 EEG 特征差异的报告。此外，FBCNet 源代码可在 https://github.com/ravikiran-mane/FBCNet 上找到。