FARHANA SHAHID,美国康奈尔大学和孟加拉国工程技术大学,孟加拉国 WASIFUR RAHMAN,美国罗切斯特大学 M. SAIFUR RAHMAN,孟加拉国工程技术大学,孟加拉国 SHARMIN AKTHER PURABI,孟加拉国工程技术大学,孟加拉国 AYESHA SEDDIQA,孟加拉国布拉克大学,孟加拉国 MOIN MOSTAKIM,孟加拉国布拉克大学 FARHAN FEROZ,孟加拉国工程技术大学,孟加拉国 TANJIR RASHID SORON,孟加拉国远程精神病学研究与创新网络 FAHMIDA HOSSAIN,美国马里兰大学巴尔的摩分校 NABILA KHAN,美国中佛罗里达大学 ANIKA BINTE ISLAM,孟加拉国军事科学技术学院 NIPI PAUL,孟加拉国军事科学技术学院 EHSAN HOQUE,美国罗切斯特大学 ABM ALIM AL ISLAM,孟加拉国工程技术大学,孟加拉国
摘要 - 对性能的持续追求推动了专业人员,以结合多个内核,缓存,加速单元或投机执行,使系统变得非常复杂。另一方面,这些功能通常会暴露出构成新挑战的意外漏洞。为了进行检查,可以利用缓存或投机执行引入的定时差异以泄漏信息或检测活动模式。保护嵌入式系统免受现有攻击是极具挑战性的,而且由于新的微体系攻击的持续崛起(例如,幽灵和编排攻击),这使它变得更加困难。在本文中,我们提出了一种新方法,该方法基于计数示意图,用于检测嵌入式系统介绍的微处理器中的微体系攻击。这个想法是将安全检查模块添加到系统中(无需修改保护器,而不是在保护下),负责观察被提取的说明,并识别和发出信号可能的可疑活动,而无需干扰系统的标称活动。可以在设计时(在部署后重新编程)对所提出的方法进行编程,以便始终更新Checker能够识别的攻击列表。我们将所提出的方法集成到了大型RISC-V核心中,我们证明了它在检测几种版本的幽灵,编排,Rowhammer和Flush+重新加载攻击方面的有效性。在最佳配置中,提出的方法能够检测到100%的攻击,没有错误的警报,并引入了大约10%的面积开销,大约增加了4%的功率,并且没有降低工作频率。
2022 年 9 月 9 日 — \\wbcm.llc\data\Projects\2021121043200\Drawings\_JPA Permit Sketches 2021043200-SK-02.dwg。Choptank 路。附近地图。CHOPTANK 码头。
参数计算机辅助设计(CAD)是用于制作现代物理物体的Me-Chananical工程领域中的主要范式。工程草图的创建需要对几何形状有深刻的了解,并且通常严重依赖于参考CAD设计的大量存储库。最近的一项工作探索了工程学草图的生成建模,特别着重于采用基于变压器的架构[4,5,6]。尽管具有潜力,但这些模型仍在努力捕获工程草图中固有的复杂的几何推理,从而使其在真正的工程设计中的应用是一个具有挑战性的努力。大型语言模型以其在各个领域的多功能能力以及处理大量数据形式的能力而闻名,并提供了有希望的途径。鉴于工程草图可以转换为代表点及其连接性的字符串格式,我们在工程草图设计中审查了这些模型的潜力。我们的贡献如下:
摘要 共同设计将设计师、最终用户、研究人员和其他相关利益相关者聚集在一起,以打造有意义的设计解决方案。它通过促进协作、参与式设计开发流程,消除了专业设计师和最终用户之间的传统障碍。本文探讨了在共同设计研讨会中使用人工智能可视化工具 Vizcom。该工具可帮助没有可视化技能的参与者将他们的草图转换为精致的视觉表现。来自杨百翰大学十个学科的 36 名本科生参加了这项研究。向参与者介绍了共同设计的原则和 Vizcom 的功能,包括如何创建帐户、为人工智能制作有效的文本提示以及如何调整绘图影响参数以优化他们的想法的可视化。参与者两人一组,分别被指定为“用户”和“专业人士”。在被要求反思校园午餐食物加热体验时,用户与专业人士分享了见解,专业人士通过采访找出了具体问题。随后,专业人士和用户一起集思广益,提出解决方案。然后,用户在协作会议期间讨论的见解和想法的指导下,勾勒出拟议的解决方案。完成草图后,他们使用手机将草图和详细提示上传到 Vizcom,生成概念的视觉表示。该研究通过单独的调查收集了专业人士和用户角色的反馈,评估了人工智能在捕捉和增强概念解决方案方面的有效性。研究结果为产品设计的共同创造提供了新的途径,强调了人工智能工具在弥合基本草图和复杂视觉输出之间差距方面的潜力。
摘要 设计中的共同创造系统使用户能够在设计过程中与 AI 代理合作完成开放式创意任务。本文介绍了一种共同创造系统,该系统通过鼓励在初始创意生成过程中探索设计解决方案来支持设计创造力。协作创意合作伙伴 (CIP) 是一个共同创造设计系统,它根据与设计师绘制的草图的视觉和概念相似性提供灵感草图。为了评估 CIP 对设计创意的影响,我们进行了一项探索性研究,以测量共同创造系统中的创意。为了衡量创意,我们开发了一种在共同创造系统中测量创意的方法,包括结果和过程方法。从探索性研究中,我们了解到数据集中的图像质量对于基于 AI 的创造力很重要,基于与目标设计的概念相似性的灵感对创意的影响比基于与设计师绘制的草图的视觉相似性的灵感更大。我们根据从探索性研究中学到的知识介绍了 CIP 系统的架构和研究设计。关键词 1 共同创造力,共同创造系统,创意,协作 1. 引言
无法简化生产工作流程,降低人工成本并加速创建内容,满足对高质量动画内容的不断增长的需求。在当前的动漫生产管道中,艺术家通常从定义角色视觉属性的角色设计表开始。然后将这些设计转换为关键帧草图 - 概述场景中主要姿势和动作的关键帧。接下来,艺术家创建了互动的草图,这是在关键框架之间绘制的框架,以定义详细的运动和过渡[41,65]。传统上,这些框架是彩色的,这是一项耗时的任务,涉及仔细注意以确保与原始角色设计保持一致。图2说明了该管道的每个步骤。我们的作品与这条管道无缝保持一致,旨在促进着色过程,同时保持对原始角色设计的保真度并确保跨帧的时间一致性。但是,自动化线条艺术色彩[28,59]提出了几个挑战。一个主要的困难在于角色设计与线条艺术草图之间的不匹配,在设计中,设计中的角度,比例和姿势可能与关键帧草图中的角度不符。此外,实现时间一致性至关重要;单独着色每个框架会导致闪烁或不一致,从而损害观看者的经验[5,32,64]。先前的方法[21,46,56]试图解决这些挑战,但要限制。他们经常假设钥匙扣的有色版本并依赖于密集的线条艺术指导。此假设大大增加了艺术家的工作量,因为它需要手动着色多个关键帧和详细的线条艺术输入,从而使过程变得乏味和劳动力密集。此外,某些方法由于训练管道而遭受颜色信息泄漏的影响。具体来说,他们使用使用神经网络从颜色图像中提取的非核心草图进行训练,无意中将原始图像的颜色信息无意识地转化为草图。此信息泄漏破坏了这些方法的实用性,因为现实世界的草图不包含这种隐式颜色信息,这是我们在方法论中进一步分析的关注。为了克服这些挑战,我们提出了一种新颖的全能模型,该模型简化了一个框架内的着色过程。我们的模型利用基于预处理扩散的视频生成模型[1,37],