XiaoMi-AI文件搜索系统
World File Search Systemocular
增强了双眼视觉的救援机器人
摘要：在自然灾害，事故，医疗紧急情况和其他事件等紧急情况下的救援工作充满了挑战和危险。考虑到救援人员的安全和救援任务的紧迫性，有必要使用救援机器人执行环境检测和救援任务。该项目旨在通过整合双眼视觉技术来增强搜索和救援机器人的功能。通过为这些机器人提供复杂的双目系统，我们旨在改善其深度感知，对象识别和整体情境意识。该项目将涉及与现有机器人平台集成的专业视觉系统的开发。最终目标是使救援机器人能够进行更有效的导航和反应能力，从而提高其在批判性搜索和救援任务中的效率和成功。
来自单眼视频的高保真头发建模
毫无疑问，高保真3D头发对于实现现实，艺术表达和沉浸在计算机图形中至关重要。现有的3D头发建模方法取得了令人印象深刻的性能，但实现高质量头发重建的挑战仍然存在：它们要么重新确定严格的捕获条件，因此很难实现实践应用，或者很大程度上依赖于学到的先前数据，并在图像中遵守细节细节。为了应对这些挑战，我们提出了Monohair，这是一个通用框架，以从单元视频中实现高保真的头发重建，而对环境没有具体要求。我们的方法将头发建模过程分为两个主要阶段：精确的外部重建和内部结构推断。使用基于补丁的多视图优化（PMVO）精心制作外部。此方法从策略性地收集并集成了从多个视图（独立于先前数据）产生高保真外部3D线图的头发插入。此地图
慢病毒介导的 CRISPR/Cas9 递送可降低小鼠青光眼模型中的眼压
肌动蛋白 ( MYOC ) 突变是已知的原发性开角型青光眼的主要遗传原因，约占所有病例的 4%。MYOC 突变会导致功能获得性表型，其中突变的肌动蛋白会在内质网 (ER) 中积聚，导致 ER 应激和小梁网 (TM) 细胞死亡。因此，在基因组水平上敲除肌动蛋白是永久治愈该疾病的理想策略。我们之前已成功利用 CRISPR/Cas9 基因组编辑通过腺病毒 5 (Ad5) 靶向 MYOC。但是，Ad5 不是适合临床使用的载体。在这里，我们试图确定腺相关病毒 (AAV) 和慢病毒 (LV) 靶向 TM 的功效。首先，我们通过玻璃体内 (IVT) 和前房 (IC) 注射检查了单链 (ss) 和自互补 (sc) AAV 血清型以及表达 GFP 的 LV 的 TM 趋向性。我们观察到 LV_ GFP 表达对通过 IVT 途径注射的 TM 更具特异性。色氨酸突变体 scAAV2 的 IC 注射显示 TM 中 GFP 的显著表达。然而，在睫状体和视网膜中也观察到了强劲的 GFP 表达。我们接下来构建了表达 Cas9 和靶向 MYOC (crMYOC) 的引导 RNA (gRNA) 的慢病毒颗粒，并用 LV_cr MYOC 转导稳定表达突变型肌动蛋白的 TM 细胞可显著减少肌动蛋白积累及其相关的慢性 ER 应激。在 Tg-MYOC Y437H 小鼠中单次 IVT 注射 LV_cr MYOC 可减少 TM 中的肌动蛋白积累并显著降低升高的眼压。总之，我们的数据表明，LV_cr MYOC 靶向 TM 中的 MYOC 基因编辑并挽救了肌动蛋白相关青光眼的小鼠模型。
FD3D：利用前景深度图进行特征监督的单眼3D对象检测
单眼3D对象检测通常采用直接或静脉标签的监督。最近，蒸馏监督将空间知识从激光雷达或立体声教师网络转移到单眼探测器，但仍保留域间隙。To mitigate this issue and pursue ade- quate label manipulation, we exploit F oreground D epth map for feature-supervised monocular 3D object detection named FD3D , which develops the high-quality instructive interme- diate features to conduct desirable auxiliary feature supervi- sion with only the original image and annotation foreground object-wise depth map (AFOD) as input.此外，我们基于图像功能和预处理的AFOD之间的足够相互关系来建立我们的具有启发性的功能生成网络，以构建具有启发性的空间特征，在此中，AFOD仅将注意力集中在前景上，以在检测任务中获得更清晰的指导。更重要的是，我们应用了从像素和分布级别的辅助功能监督，以实现全面的空间知识指导。广泛的实验表明，我们的方法在Kitti和Nuscenes数据集上都实现了最先进的性能，没有外部数据，也没有额外的推理计算成本。我们还进行实验以揭示设计的有效性。
dme：揭示偏见以获得更好的全身性单眼估计
本文旨在设计具有更好概括能力的单眼深度估计模式。为此，我们进行了定量分析，并发现了两个重要的见解。首先，在长尾分类问题中发现的模拟相关现象也存在于单眼深度估计中，这表明训练数据中深度分布的不平衡分布可能是导致泛化能力有限的原因。第二，深度值的不平衡和长尾分布范围超出了数据集量表，并且在每个单独的图像中也表现出来，进一步表达了单眼深度估计的挑战。通过上述发现，我们提出了距离感知的多专家（DME）深度估计模型。与先前的方法不同地处理不同深度范围的方法不同，DME采用了分歧和诱使哲学，每个专家都负责对特定深度范围内的区域进行深度估计。因此，每个专家看到的深度分布更加统一，并且可以更容易预测。一个像素级路由模块的进一步设计和学会了，以将所有专家的预测缝合到最终的深度图中。实验表明，DME在NYU-DEPTH V2和KITTI上都达到了最先进的性能，并且还可以在看不见的数据集上提供有利的零拍概括能力。
基于深度学习的光流有多好？
本文探讨了基于深度学习的模型与Orb-Slam3框架的深入估算的整合，以应对单眼同时位置和映射（SLAM）的挑战，并与纯旋转运动有关。这项研究正在研究使用激发通用网络进行这些网络的深度估计和混合组合的可能性，以取代传统的深度传感器并改善SLAM系统中的规模。使用定制的相机阵容进行了一系列实验，旨在隔离纯旋转运动。分析包括评估每个模型对SLAM过程的影响以及对深度估计和结果的定量性能指标（CPI）。结果显示了深度估计值的准确性和SLAM性能之间的联系，这强调了模型在改进SLAM系统中的深度估计潜力。这些发现有助于理解单眼深度估计在与污泥集成中的作用，尤其是在需要精确空间意识的应用中。
通过单目摄像头跟踪人体姿势，实现经济高效的机械臂远程操作
摘要。机器人远程操作是执行复杂任务的重要工具，这些任务需要超出最先进算法能力的灵活性。现有的远程操作方法通常对人类操作员来说不直观，或者需要特殊的传感器和设备，这使得它们在许多情况下成本低且不切实际。在本文中，我们提出了一种依赖单目相机图像的机械臂远程操作框架。所提出的框架首先使用轻量级神经网络来估计人类操作员的身体姿势并识别他们的手势。然后，一种高效的逆运动学算法找到所需的机械臂配置，实现模仿操作员手腕运动的末端执行器运动。我们的远程操作框架可以在普通笔记本电脑上使用网络摄像头和任何具有 ROS 接口的机械臂执行。我们在 Kinova Jaco 机械臂的实际实验中验证了它的性能，展示了在环境中抓取和移动物体的能力。
解锁多功能电位：眼表面重建和眼塑料中的脂肪衍生的间充质干细胞
涵盖了各种程序以增强眼睛及其周围结构的形式和功能的多种程序，长期以来一直是精确精确和创新方法的领域。从修复受损的眼组织到恢复眼周区域的美学方面，眼镜塑料需要促进功效和安全性的新颖解决方案。间充质干细胞（MSC）在这种错综复杂的景观中成为希望的灯塔。这些多功能细胞以其在各种医学学科中的再生能力而闻名，在眼皮塑料方面具有巨大的希望。人眼及其相邻组织是一种复杂的相互联系的系统，其中包括肌肉，脂肪组织，眼表面和皮肤。每个组件在眼部健康，外观和功能中起着至关重要的作用。
实时3D语义场景感知具有双眼视觉的自我中心机器人
摘要 - 在室内移动的同时，感知具有多个对象的三维（3D）场景对于基于视觉的移动配件至关重要，尤其是对于增强其操纵任务的尤其是。在这项工作中，我们为具有双眼视觉的自我中心机器人提供了实例分割，特征匹配和点集注册的端到端管道，并通过拟议的管道展示了机器人的抓地力。首先，我们为单视图3D语义场景分割设计了一个基于RGB图像的分割方法，并利用2D数据集中的常见对象类将3D点封装在对象实例的点云中，通过相应的深度映射。接下来，根据先前步骤中匹配的RGB图像中感兴趣的对象之间的匹配关键，提取了两个连续的点云的3D对应关系。此外，要意识到3D特征分布的空间变化，我们还根据使用内核密度估计（KDE）的估计分布（KDE）来称量每个3D点对，随后可以使稳健性具有较小的中心范围，同时求解点云之间的刚性转换。最后，我们在7-DOF双臂Baxter机器人上测试了我们提出的管道，并使用安装的Intel Realsense D435i RGB-D相机测试了我们的管道。结果表明我们的机器人可以在移动时分割感兴趣的对象，注册多个视图，并掌握目标对象。源代码可在https://github.com/mkhangg/semantic Scene感知上获得。