XiaoMi-AI文件搜索系统
World File Search Systemencode
文本引导的视频蒙版自动编码器
摘要。最近的视频蒙版自动编码器（MAE）作品已签署了以显着性为重点的改进的掩盖算法。这些作品利用了视觉提示，例如掩盖最突出区域的运动。但是，此类视觉提示的鲁棒性取决于输入视频的频率匹配基础假设。另一方面，自然语言描述是视频的信息密集表示，它隐含地捕获了显着性而无需特定于模态的标题，并且尚未探索视频MAE。为此，我们介绍了一种新颖的文本引导掩蔽算法（TGM），该算法掩盖了与配对字幕最高对应的视频区域。在不利用任何显式视觉提示的情况下，我们的TGM与最先进的掩蔽算法（如运动引导掩盖）具有竞争力。为了从自然语言的语义中进一步受益于掩盖重建的语义，我们接下来引入了一个统一的MAE和蒙版视频文本对比学习的统一框架。我们表明，在现有的掩蔽算法中，与纯MAE相比，在各种视频识别任务上，统一MAE和蒙版视频对比学习可以改善下游性能，尤其是对于线性探测。在这个统一的框架内，我们的TGM在五个动作识别和一个以自我为中心的数据集上实现了最佳的相对性能，从而突出了自然语言对掩盖视频建模的互补性。
dolfin：无自动编码器的扩散布局变压器
摘要。在本文中，我们引入了一个新的生成模型，即无自动编码器（DolfIN）的扩散布局变压器，该变压器在现有方法上可显着提高建模能力和透明度。Dolfin采用基于变压器的扩散过程来建模布局生成。除了有效的双向（非因果关节）序列表示外，我们还设计了一种自回归扩散模型（Dolfin-ar），该模型尤其擅长捕获邻居对象的丰富局部语义相关性，例如对齐，大小和重叠。在对标准的无条件布局生成基准进行评估时，Dolfin尤其优于各种指标的先前方法，例如FID，对齐，重叠，Maxiou和DocSim分数。此外，Dolfin的应用程序不仅仅是布局生成，因此它适用于对其他类型的几何结构（例如线段）进行建模。我们的实验既提出了定性和定量结果，以证明Dolfin的优势。
分解的表示与物理信息的变异自动编码器进行结构健康监测
摘要。大规模对结构的手动检查和评估是劳动密集型的，而且通常是不可行的，而数据驱动的机器学习技术可能无法识别相关的失败机制，并且对以前看不见的条件的概括不佳，尤其是在有限的信息中遇到的。我们提出了一个物理知识的变异自动编码器公式，以在测量中删除混杂源的图表学习，以计算基于物理模型的潜在参数的后验分布，并在有限测量值时预测结构的响应。自动编码器的潜在空间通过一组基于物理的潜在变量进行增强，这些变量可解释，并以先验分布和基于物理模型的形式允许域知识包含在自动编码器公式中。为了防止模型的数据驱动的组件覆盖已知的物理学，训练目标中包括一个正则化项，该术语对潜在空间和生成模型预测施加约束。在合成案例研究中评估了所提出的方法的可行性。
放射组学和深度特征：使用 3D 自动编码器神经网络对脑出血进行稳健分类和可重复性分析
1 库尔德斯坦医科大学辅助医学学院放射学系，萨南达季邮政信箱 66177-13446，伊朗；salar.bijari89@gmail.com 2 伊朗医科大学医学院神经外科系，德黑兰邮政信箱 14496-14535，伊朗；sayfollahisahar@gmail.com 3 库尔德斯坦大学工程学院机械工程组，萨南达季邮政信箱 66177-15175，伊朗；mardokh94@gmail.com 4 沙希德萨杜吉医科大学公共卫生学院老龄化与健康系，亚兹德邮政信箱 89151-73160，伊朗；s.bijari8810@gmail.com 5 德黑兰医科大学放射学系，德黑兰邮政信箱 14197-33151，伊朗； moradian.sm@gmail.com 6 伊朗阿瓦士 Jundishapur 医科大学 Golestan 医院放射肿瘤科，阿瓦士邮政信箱 61357-15794；zibazaheir@gmail.com 7 伊朗阿瓦士 Jundishapur 医科大学医学院医学物理学系，阿瓦士邮政信箱 61357-15794 8 伊朗阿瓦士 Jundishapur 医科大学癌症研究中心，阿瓦士邮政信箱 61357-15794 * 通信地址：rezaei-sm@ajums.ac.ir
在大量病毒物种和家族中对病毒编码的圆形RNA的无偏和全面识别
A.S.C.，B.M.，D.C。撰写了手稿； B.G.D.，B.M.，C.V.L.，D.C。设计了研究项目； A.S.C.，C.Y.S.，D.C。设计了VCIRCTRAPPIST； A.S.C.，M.B.，M.G.，M.G.，S.M.，C.P.，L.V。 进行了研究并处理了样品； B.G.D.，N.A.G.，B.M.，C.V.L.，D.C。提供了试剂和样品； B.G.D.，B.M.，C.V.L。 获得了资金； A.S.C.，B.M.，D.C。分析了数据； M.B.，M.G.，M.G.，S.M.，C.P.，L.V.，C.Y.S.，B.G.D.，N.A.G.，C.V.L。 审查了手稿； D.C.是该项目的领导者。A.S.C.，B.M.，D.C。撰写了手稿； B.G.D.，B.M.，C.V.L.，D.C。设计了研究项目； A.S.C.，C.Y.S.，D.C。设计了VCIRCTRAPPIST； A.S.C.，M.B.，M.G.，M.G.，S.M.，C.P.，L.V。进行了研究并处理了样品； B.G.D.，N.A.G.，B.M.，C.V.L.，D.C。提供了试剂和样品； B.G.D.，B.M.，C.V.L。获得了资金； A.S.C.，B.M.，D.C。分析了数据； M.B.，M.G.，M.G.，S.M.，C.P.，L.V.，C.Y.S.，B.G.D.，N.A.G.，C.V.L。审查了手稿； D.C.是该项目的领导者。
利用变分自动编码器进行生成主动学习，用于兽医学放射学数据生成
摘要 — 近年来，随着人们对宠物保健的兴趣日益浓厚，兽医对计算机辅助诊断 (CAD) 系统的需求也随之增加。由于缺乏足够的放射学数据，兽医 CAD 的发展陷入停滞。为了克服这一挑战，我们提出了一种基于变分自动编码器的生成主动学习框架。此方法旨在缓解兽医 CAD 系统可靠数据的稀缺问题。本研究利用了包括心脏扩大放射图像数据和慢性肾病超声图像数据的数据集。在删除注释并标准化图像后，我们采用了一个数据增强框架，该框架包括数据生成阶段和用于过滤生成数据的查询阶段。实验结果表明，当通过该框架生成的数据添加到生成模型的训练数据中时，射线图像中的 frechet 起始距离从 84.14 减小到 50.75，超声图像中的 frechet 起始距离从 127.98 减小到 35.16。随后，当生成的数据被纳入分类模型的训练中时，混淆矩阵的真负数也从射线照片上的 0.16 提高到 0.66，超声图像上的真负数从 0.44 提高到 0.64。所提出的框架有可能解决医学 CAD 数据稀缺的挑战，从而促进其发展。
感知少，生成更多：用蒙版自动编码器进行超高效率3D传感的训练激光雷达感知
摘要 - 在这项工作中，我们提出了一种破坏性节俭的激光雷达感知数据流，该数据流产生而不是感知环境的一部分，这些部分是基于对环境的广泛培训，或者对整体预测准确性的影响有限的。因此，所提出的方法将传感能量与训练数据进行交易，以获取低功率机器人和自动导航，以便用传感器省将，从而在一次电池充电时延长了其寿命。我们提出的为此目的提出的生成预训练策略称为径向掩盖的自动编码（R-MAE），也可以在典型的激光雷达系统中很容易实施，通过选择性激活和控制在现场操作过程中随机生成的角区域的激光功率。我们的广泛评估表明，使用R-MAE进行预训练可以重点关注数据的径向段，从而比常规程序更有效地限制了空间关系和对象之间的距离。因此，所提出的方法不仅降低了传感能量，而且还提高了预测准确性。例如，我们对Waymo，Nuscenes和Kitti数据集进行了广泛的评估表明，该方法在跨数据集的检测任务的平均精度提高了5％，并且从Waymo和Nuscenes转移到Kitti的检测任务的平均精度提高了4％。在3D对象检测中，它在KITTI数据集中的中等难度水平下，在AP中最多可增强小对象检测。即使使用90％的径向掩蔽，它在Waymo数据集中所有对象类中的MAP/MAPH中都超过了基线模型。此外，我们的方法在Nuscenes数据集上分别获得了MAP和NDS的3.17％和2.31％的提高，这表明了其在单个和融合的LIDAR相机模态方面的有效性。代码可在https://github.com/sinatayebati/radial Mae上公开获取。索引项 - lidar预训练，掩盖自动编码器，超有效的3D传感，边缘自治。
染色体3Q Amplicon编码...
蛋白质的分泌物蛋白质通过高尔基体从内质网流到质膜到质膜（5）。高尔基体中的分泌囊泡生物发生是涉及膜曲率，货物载荷和囊泡分裂的多步过程。每个步骤均由含有RAB家族成员的多蛋白复合物，ADP核糖基化因子，高尔基磷脂蛋白3（Golph3）和其他效应子（6-8）调节。这些复合物是由跨膜高尔基脚手架锚定在高尔基膜上的，该跨膜脚手架组织了专用于常见任务的客户蛋白（9）。高尔基脚手架蛋白上调，p53损失坐标是分泌驱动因素在p53缺陷型癌细胞中的作用（10，11）。因此，致癌突变通过高尔基体驱动分泌，以配合高尔基体中的分泌囊泡生物发生。鉴于有证据表明，染色体扩增子上的基因合作以协调共同的生物学过程（12），我们在这里假设染色体肿瘤的分泌囊泡生物创造的多阶段过程以建立高度的分泌状态。我们鉴定了一个3Q染色体区域，该区域在不同的肿瘤类型中得到扩增，并编码分泌囊泡生物发生的多个调节剂，包括高尔基脚手架Golgi Golgi积分膜蛋白4（GOLIM4）及其客户蛋白ATP蛋白ATP蛋白ATP蛋白ATP CA 2+
使用变分自编码器增强梯度提升算法进行不平衡岩爆评估及其可解释性
我们开展了一项研究来评估梯度提升算法在岩爆评估中的潜力和稳健性，建立了一个变分自动编码器（VAE）来解决岩爆数据集的不平衡问题，并提出了一种针对基于树的集成学习的多级可解释人工智能（XAI）。我们从现实世界的岩爆记录中收集了537个数据，并选择了四个导致岩爆发生的关键特征。首先，我们使用数据可视化来深入了解数据的结构，并进行相关性分析以探索数据分布和特征关系。然后，我们建立了一个VAE模型来为由于类别分布不平衡而产生的少数类生成样本。结合VAE，我们比较和评估了六种最先进的集成模型，包括梯度提升算法和经典逻辑回归模型，用于岩爆预测。结果表明，梯度提升算法优于经典的单一模型，而 VAE 分类器优于原始分类器，其中 VAE-NGBoost 模型的结果最为理想。与针对不平衡数据集结合 NGBoost 的其他重采样方法（例如合成少数族群过采样技术 (SMOTE)、SMOTE 编辑最近邻 (SMOTE-ENN) 和 SMOTE-tomek 链接 (SMOTE-Tomek)）相比，VAE-NGBoost 模型的效果最佳。最后，我们使用特征灵敏度分析、Tree Shapley 附加解释 (Tree SHAP) 和 Anchor 开发了一个多级 XAI 模型，以深入探索 VAE-NGBoost 的决策机制，进一步增强基于树的集成模型在预测岩爆发生方面的可靠性。
使用变异自动编码器生成波动率表面
这项研究对在指数股票市场的背景下对变量自动编码器（VAE）的利用进行了深入探索，这是期权定价的关键方面。此外，我们的研究还研究了有关现货价格爆发的神经网络作品的预测能力，并具有专门的现场模型，以预测基于现货动态的波动性表面的变化。通过VAE的全面数据处理和结构化，我们创建了一个模型，该模型能够从仅10点信息点生成准确且几乎无套的无动力表面。该模型也证明了在生成以前看不见的基本资产的波动表面方面的促进效率。将现货价格变化作为条件变量，我们成功地创建了一个强大的风险管理工具，能够预测各种未来情况的波动表面。