XiaoMi-AI文件搜索系统
World File Search Systemdepth
单眼3D对象检测基于空间关系和脱钩深度预测
自主驾驶是未来的趋势。准确的3D对象检测是实现自动驾驶的先决条件。目前，3D对象检测依赖于三个主要传感器：单眼相机，立体声摄像机和LIDAR。与基于立体摄像机和激光镜头的方法相比，单眼3D对象检测提供了优势，例如广泛的检测字段和低部署成本。但是，现有的单眼3D对象检测方法的准确性不是理想的，尤其是对于遮挡目标。为了应对这一挑战，本文引入了一种新颖的方法，用于单眼3D对象检测，称为SRDDP-M3D，旨在通过考虑目标之间的空间关系，并通过脱钩方法来改进深度预测，以改善单眼3D对象检测。我们考虑如何在环境中相对于对象相对于对象的定位，并编码相邻对象之间的空间关系，对于遮挡的目标，检测性能是专门提高的。此外，还引入了将目标深度预测到目标视觉深度和目标属性深度的两个组成部分的策略。此解耦旨在提高预测目标整体深度的准确性。使用KITTI数据集的实验结果表明，这种方法显着提高了闭塞靶标的检测准确性。
口腔 - 肠菌微生物组的连接以及饮食的影响和...
目标的确定麻醉深度已被用来评估在电击疗法（ECT）中应用电刺激的最佳力矩，因为所使用的某些抗厌含剂可以降低其有效性。在这项研究中，使用患者状态指数（PSI）使用麻醉深度测量来评估癫痫发作质量。方法对对照组进行了前瞻性实验研究，其中包括51例患者的346个刺激样本（PSI = 134;对照= 212），并患有主要抑郁症。癫痫发作的足够变量（电脑图中的癫痫发作时间[EEG]和动物活性，脑电图的视觉评估，ECT-EECT-EEG参数评级量表[EEPRS]，癫痫发作一致性，中央抑制，自动抑制，自动化参数和自动激活的局限模型的连续模型是连续的，并具有连续的模型。用于二分法变量。结果PSI组需要较低的刺激能。PSI的使用与持续时间和脑电图，较高的脑电图记录，更好的癫痫发作一致性以及最大持续相干性和峰值相干时间的自动参数的较高值有关。结论使用PSI测量麻醉深度可能会减少所需的电刺激电荷，并证明用丙泊酚修饰的ECT中的癫痫发作质量。
前夕：有效的零击基于文本的视频编辑，带有深度地图指南和时间一致性约束
以图像扩散模型的出色性能为动机，越来越多的研究人员努力将这些模型扩展到基于文本的视频编辑任务。然而，当前的视频编辑任务主要遭受高调成本与有限发电量之间的困境。与图像相比，我们猜测视频需要更多的限制来保留编辑期间的时间一致性。朝着这一目标，我们提出了夏娃，一种坚固而富的零射击方法。在深度图和时间一致性约束的指导下，EVE通过负担得起的计算和时间成本得出令人满意的视频编辑结果。更重要的是，认识到没有公开可用的视频编辑数据集进行公平比较，我们构建了一个名为ZVE-50数据集的新基准。通过全面的实验，我们验证了夏娃在绩效和效率之间取得令人满意的折衷。代码，数据集和视频编辑演示可在https://github.com/alipay/alipay/ant-multi-modal- framework/blob/ain/main/prj/eve上使用。
诱导气溶胶光学深度的遥感分析：缓解空气污染的综合方法
气溶胶加重在巴基斯坦旁遮普邦的行政拉合尔司构成了重大挑战，并为持续存在的烟雾问题做出了巨大贡献。自2017年以来，该部门经历了烟雾污染的经常性发作，最著名的是在10月和11月。在本研究中，已经分析了气溶胶光学深度（AOD）与三个计量参数一起分析：温度，湿度和降雨。使用遥感数据和卫星成像在2018年10月和2018年11月，2020年和2022年进行了跟踪。此外，来自汽车排气，行业和残茬燃烧的人为排放数据来自次要来源。最终，该研究在10月和11月将在拉合尔分部进行了复杂的环境图片。结果表明，在此期间，AOD水平不仅升高，而且还受到各种计量变量的影响，例如低温，高相对湿度，缺乏降雨量以及各种人类活动的排放。发现卡车，拖拉机和公共汽车是行业和残茬燃烧的最差贡献者之一。因此，本研究表明多部门计划减轻气溶胶水平并打击烟雾威胁，从而促进拉合尔分部的环境可持续性。包括一套全套建议，分为三类：行业，运输和农业。这些专注于技术，控制系统，处置，激励措施，绿色解决方案等。在各个层面上，承诺，协作和协调绝对至关重要。
我觉得我明白你的意思了，AI！可解释人工智能中的解释深度错觉
部署的人工智能系统的意外后果促使人们呼吁人工智能系统具有更多的可解释性。可解释的人工智能 (XAI) 系统通常为用户提供简化的局部解释，以用于个别预测，但让他们自己构建对模型行为的全局理解。在这项工作中，我们研究了 XAI 的非技术用户在解释附加的局部解释时是否会陷入解释深度的错觉。我们采用了一种混合方法，包括一项有 40 名参与者的主持研究和一项有 107 名众包工作者的无主持研究，使用基于 SHAP 框架的电子表格式解释界面。我们观察了非技术用户如何从局部解释中形成他们对全局人工智能模型行为的心理模型，以及他们的理解感知在检查时如何下降。
金属定向能量沉积过程中熔池深度的实时估计与控制以减少孔隙率
1 缩写：AM：增材制造；MPD：熔池深度；DED：定向能量沉积；ANN：人工神经网络；VED：体积能量密度；PID：比例-积分-微分。
高密度透明石墨烯阵列用于根据表面电位记录预测深度细胞钙活性
光学透明神经微电极有助于同时从大脑表面进行电生理记录以及神经活动的光学成像和刺激。剩下的挑战是将电极尺寸缩小到单细胞大小并增加密度，以高空间分辨率记录大面积的神经活动，从而捕捉非线性神经动力学。在这里，我们开发了透明石墨烯微电极，它具有超小开口和大而透明的记录区域，视野中没有任何金延伸，高密度微电极阵列高达 256 个通道。我们使用铂纳米粒子来克服石墨烯的量子电容极限，并将微电极直径缩小到 20 μm。引入了层间掺杂的双层石墨烯以防止开路故障。我们进行了多模态实验，将微电极阵列的皮质电位记录与小鼠视觉皮层的双光子钙成像相结合。我们的结果表明，视觉诱发反应在空间上是局部的，适用于高
深入核磁共振研究分子层界面引起的钴薄膜磁硬化
铁磁薄膜和化学吸附分子层之间的界面表现出各种有趣的现象。[1] 对这些所谓自旋界面的积极研究 [2,3] 始于分子或有机自旋电子器件的发展，最初主要集中在铁磁材料附近引起的分子层的变化。局域 HOMO-LUMO 电子能级的自旋相关展宽 [2,4,5] 和相关的自旋过滤效应 [6–8] 在理解有机自旋阀和其他有机自旋电子器件中起着关键作用。此外，在邻位分子中建立可检测的自旋极化开辟了一个与分子材料中磁序传播相关的新研究领域。这导致分子组成元素上存在磁二向色信号 [9] 或形成自旋序作为分子电子态能量的函数的非平凡振荡。 [10,11]
利用电路深度估计基态能量的量子算法对精度的依赖性呈指数级提高
量子计算领域的一个里程碑将是比最先进的经典方法更快地解决量子化学和材料问题。目前的理解是，要实现该领域的量子优势，需要一定程度的容错能力。虽然硬件正在朝着这一里程碑的方向改进，但优化量子算法也使其更接近现在。现有的基态能量估计方法成本高昂，因为它们需要每个电路的门数，而这些门数会随着所需精度位数的增加而呈指数增长。我们通过开发一种基态能量估计算法，将成本成倍降低，该算法的成本随着精度位数的增加而线性增长。相对于最近对工业相关分子碳酸乙烯酯和 PF − 6 的基态能量估计的资源估计，估计的门数和电路深度分别减少了 43 倍和 78 倍。此外，该算法可以使用额外的电路深度来减少总运行时间。这些特性使我们的算法成为在早期容错量子计算时代实现量子优势的有希望的候选算法。
地下荧光飞行时间成像，使用大型单光子雪崩二极管传感器进行肿瘤深度评估
1引言本文扩展了Bruza等人的先前工作。1通过对使用大型单光雪崩二极管（SPAD）摄像机进行荧光深度感测所涉及的方法和技术方面进行更全面的描述。此外，本文详细阐述了校准曲线的扩散，这是以前获得有限覆盖率的关键方面。还提供了对技术局限性的详尽回顾，并提供了支持其性能的定量测量简介。最后，本文提出了对临床方案中技术和潜在应用的潜在改进，为进一步的研究和实际实施提供了宝贵的见解。手术切除仍然是癌症治疗的关键方法；绝大多数乳腺癌，结直肠癌，肺和膀胱癌患者都接受了手术切除术，这是护理标准的一部分。2尽管术前成像已经显着提高，但手术的成功很大程度上取决于外科医生使用常规的白光视觉和触诊来定位病理的能力。3，4在过去的三十年中，荧光引导手术（FGS）已成为一种有前途的技术，用于定义肿瘤位置和术中边缘。使用FGS对肿瘤进行术中可视化不仅有可能实现完整的切除措施，还可以通过减少对正常组织的不必要损害，5 - 8