XiaoMi-AI文件搜索系统
World File Search SystemScene
细粒度太粗糙：一种以数据为中心的新型方法，用于有效场景图
学习以场景图的形式从原始信息组成视觉关系是一项高度挑战的任务，这是由于上下文依赖性的，但是在依赖于场景所在的现场视觉应用程序中至关重要。但是，场景图生成（SGG）中没有当前的方法旨在为下流任务提供有用的图形。相反，主要重点主要是公开数据分布以预测更多细粒关系的任务。据说，所有的关系关系都不相同，至少其中一部分对现实世界应用没有用。在这项工作中，我们介绍了有效的SGG的任务，该任务旨在阐述相关关系的产生，从而促进了在下游任务（例如图像生成）中使用场景图的使用。为了支持进一步的方法，我们根据流行的Visual Genome数据集的注释提出了一个新的数据集，即VG150策划的新数据集。我们通过一组实验表明，该数据集包含比通常在SGG中使用的数据更高质量和多样的注释。最后，我们显示了从场景图1中生成图像生成的任务中该数据集的效率。
mllm-sul：在流量方案中的语义场景理解和本地化的多模式大语言模型
摘要 - 多模式大语言模型（MLLM）在许多自动驾驶任务中都表现出令人满意的效果。在本文中，MLLM可用于解决联合语义场景的理解和风险本地化任务，而仅依靠前视图像。在拟议的MLLM-SUL框架中，双分支视觉编码器首先旨在从两种分辨率中提取特征，并且丰富的视觉信息有助于语言模型，以准确描述不同尺寸的风险对象。然后，对于语言生成，美洲驼模型进行了微调，以预测场景描述，其中包含驾驶场景的类型，风险对象的动作以及驱动意图和自我车辆的建议和建议。最终，基于变压器的网络结合了回归令牌，以定位风险对象。在现有的戏剧 - 罗利人数据集和扩展的戏剧-SRIS数据集上进行了广泛的实验表明，我们的方法是有效的，超过了许多基于图像的最新和基于视频的方法。具体来说，我们的方法在现场理解任务中获得了80.1％的BLEU-1分数和298.5％的苹果酒得分，而本地化任务的精度为59.6％。代码和数据集可在https://github.com/fjq-tongji/mllm-sul上找到。
dfsnet：一个3D点云分割网络朝着果园场景中的树木检测
摘要：为了指导果园管理机器人实现果园生产中的某些任务，例如自主导航和精确喷涂，这项研究提出了一个深入学习的网络，称为动态融合细分网络（DFSNET）。该网络包含局部特征聚合（LFA）层和动态融合分割体系结构。LFA层使用位置编码器进行初始转换嵌入，并通过多阶段层次结构逐渐汇总本地模式。Fusion分割模块（FUS-SEG）可以通过学习多插入空间来格式化点标签，而生成的标签可以进一步挖掘点云特征。在实验阶段，在果园田的数据集中证明了DFSNET的显着分割结果，其准确率为89.43％，MIOU率为74.05％。dfsnet优于其他语义细分网络，例如PointNet，PointNet ++，D-PointNet ++，DGCNN和Point-NN，其精度的提高了11.73％，3.76％，3.76％，2.36％，2.36％和2.74％，并分别为2.74％，并改善了这些网络，并改善了这些网络，并分别为28.3％，28.3％，9.9％，9.9％，9.9％，9.9％，9.9％，9.9％，占28.3％，占28.3％，占28.3％，分别为9.19％，分别为9.9％，均为28.3％，分别为9.3％，分别为2.19％。在全尺度数据集（简单尺度数据集 +复杂尺度数据集）上，分别为9.89和24.69％。提议的DFSNET可以从果园场景点云中捕获更多信息，并提供更准确的点云分割结果，这对果园的管理有益。
选择您需要的东西：删除的表示场景文本识别和编辑
场景文本图像不仅包含样式信息（字体，背景），还包含内容信息（字符，纹理）。不同的场景文本任务需要不同的信息，但是以前的表示学习方法 - 在所有任务中使用紧密耦合的功能，从而导致次优性能。我们提出了一个旨在解开这两种功能的分解表示学习框架（亲爱的），以改善适应性，以更好地解决各种下游任务（选择您真正需要的内容）。具体来说，我们合成具有相同样式但内容不同的图像对数据集。基于数据集，我们通过监督设计将两种类型的功能分解。很明显，我们将视觉表示形式直接分为样式和内容功能，内容特征是通过文本识别损失来监督的，而对齐损失使图像对中的样式特征保持一致。然后，样式功能用于通过图像解码器重新构造对应图像的提示，以指示对应方的内容。这样的操作根据其独特属性有效地将功能分解。据我们所知，这是场景文本领域中第一次删除文本图像的固有属性。 我们的方法在场景文本识别，转换和编辑中实现了最新的性能。据我们所知，这是场景文本领域中第一次删除文本图像的固有属性。我们的方法在场景文本识别，转换和编辑中实现了最新的性能。
Open3DSG：带有可查询对象和开放式关系的点云的开放式vocabulary 3D场景图
3D场景图预测的当前方法依赖于标记的数据集来训练固定的对象类和关系类别的固定模型。我们提供Open3DSG，这是一种在开放世界中学习3D场景图预测的替代方法，而无需标记的场景图数据。我们将3D场景图预测主链的功能与功能性开放世界2D Vision Language Foundation Models的功能空间相结合。这使我们能够通过从开放的词汇查询对象类，并以零摄像的方式从3D点云中预测3D场景图，并从接地的LLM中预测与场景图fea的接地LLM相对的关系，并查询对象类作为上下文。Open3DSG是第一个3D点云方法，不仅可以预测显式开放式唱机对象类，而且还可以预测不限于预定标签集的开放式关系 - 使得在预测的3D场景图中表达稀有物以及特定的对象和关系。我们的实验表明，Open3DSG可以有效地预测Arbitary对象类别及其复杂的对象间关系，描述了空间，支持性，语义和比较关系。
基于视觉特征的大脑解码产生的权重图比分类更符合场景理解
我们介绍了一种大脑解码方法，用于使用自然场景数据集 (NSD) 分析对视觉感知的功能性反应，其中我们使用来自深度神经网络的图像的视觉特征作为解码目标。我们的方法在各种特征提取方法和受试者中都给出了一致的结果。在后续分类任务中使用生成的权重图，我们的方法实现了与直接训练的分类器类似的分类准确率，但由于不需要分类标签，因此适用性更广。我们表明，与基于分类的解码得出的权重图相比，我们生成的权重图与人类受试者的底层任务更加一致。这种灵活性使我们的方法适用于具有复杂刺激的多种解码风格分析，而手动标记可能会使结果产生偏差。
使用疫苗控制家禽和其他家禽的高致病性禽流感：背景介绍
1924 年我们针对禽瘟疫 (HPAI) 做了什么：美国 1924-25 年疫情 • EL Stubbs - “能够对家禽种群造成如此大的破坏，以至于在减少食物供应方面具有经济意义” • EL Stubbs - “这种疾病的危险性要求在几个月内采取彻底根除的激进方法” • 临床诊断：急性、类似瘟疫的疾病，伴有头部发绀和水肿以及全身性出血 • 在美国实施检疫、禁运并限制铁路家禽运输 • 认真清洁和消毒场所、鸡舍、板条箱和运输工具 • 对家禽市场进行卫生和消毒 • 停止活禽交易 • 销毁病禽并焚烧或掩埋尸体 • 预防：隔离新购买的家禽，直到证明其健康
用于坠机现场重建的无人机系统运行评估，运行评估报告，版本 1.0
作为美国国家司法研究所 (NIJ) 国家刑事司法技术研究、测试和评估中心 (RT&E 中心) 的提供商，约翰霍普金斯大学应用物理实验室 (JHU/APL) 对无人机系统 (UAS) 进行了事故现场重建 (CSR) 的操作评估。操作评估侧重于 UAS 在操作环境中重建事故现场的有效性和实用性 - 即它们如何有效地执行其分配的角色，以及它们是否在整个调查的背景下代表了比其他方法有实质性的改进。研究范围仅限于美国执法机构。RT&E 中心进行了文献检索并对执法人员进行了多次采访，以确定各机构目前如何将 UAS 部署用于 CSR，并制定适当的标准来评估 UAS 在 CSR 中的表现。RT&E 中心还向《联邦公报》提交了一份信息请求 (RFI)，寻求有关 UAS 用于 CSR 的信息以及愿意参与此操作评估研究的组织。密歇根州警察局 (MSP)、伊利诺伊州警察局 (ISP) 和德克萨斯州阿灵顿警察局参加了采访。收到了伊利诺伊州莱克县重大事故援助小组 (MCAT) 的 RFI 回复。RT&E 中心与 MSP、ISP 和 MCAT 合作收集运营绩效数据，然后分析收集到的数据。这项研究的主要发现是，如果与 UAS 使用相关的后勤、行政和技术挑战得到解决，利用 UAS 进行 CSR 可以显著减少事故现场的数据收集时间，从而缩短道路封闭时间和警官在现场的时间。研究中收集的运营数据显示，UAS 的数据收集时间平均比机器人全站仪的数据收集时间短一小时，比手动全站仪的数据收集时间短两小时。但是，只有当 UAS 能够取代全站仪时，才能实现这些收益。虽然目前有几家机构在事故调查中使用 UAS，但主要用途是获取航拍照片以补充全站仪测量结果，而不是替代全站仪。研究还发现，用于事故现场调查的 UAS 的可用性受到多种因素的影响。部署时间是阻碍研究运营数据收集期间 UAS 使用的主要问题。美国联邦航空管理局 (FAA) 规定，操作 UAS 需要飞行员执照，这使得大多数重建人员无法自行操作 UAS，因此需要在现场设立一个单独的单位。如果 UAS 资产和操作员距离坠机现场较远，则可能无法部署 UAS，因为等待他们会延误调查。UAS 操作员的医疗证书过期也导致在整个研究期间无法在几项调查中部署 UAS。新的 FAA 小型无人机（第 107 部分）规定（参考[1]）可以部分缓解与飞行员执照要求相关的可用性问题。随着 2016 年 8 月 FAA 第 107 部分的出台，该部分为非业余小型 UAS 操作制定了新规则，现在有了（有人驾驶）飞行员执照的替代方案，称为具有小型 UAS 等级的远程飞行员飞行员证书。与传统载人飞行员执照相比，远程飞行员飞行员证书的要求较少。远程飞行员飞行员证书的主要要求是
Roboverine：自然主义环境中主动视觉搜索和场景语法的人类启发的神经机器人过程
摘要 - 我们提出了Roboverine，这是一种自然主义环境中选择性视觉注意力和场景语法的神经动态机器人主动视觉过程模型。该模型解决了视觉注意的认知机器人模型的重大挑战：结合自下而上的显着性和上下功能指导，公开和掩盖的关注，坐标转换，抑制回报的两种形式，在相机框架之外找到对象，集成空间和基于对象的分析和基于对象的分析，基于空间和基于对象的探索，几乎没有识别的在线学习和自定义的探索和自定义，并自动切换和自定义。此外，它结合了场景语法的神经过程帐户 - 关于场景中对象之间关系的先验知识，以降低搜索空间并提高搜索效率。该模型还展示了桥接两个框架的强度：用于特征提取的深神经网络和用于认知操作的动态场理论。