摘要 - LiDar-Camera校准在自主驾驶中起着至关重要的作用。然而,操作诱导的因素(例如物理振动和温度变化)降低了部署前校准精度,从而导致了环境感知性能恶化。最近的重新校准方法通过利用LiDAR和相机的相对属性,在没有目标板的情况下实现了在线校准。尽管如此,我们还是为LIDAR-CAMERA在线校准提供了一个新颖的框架,该框架采用了变压器网络来学习相机与激光雷达传感器之间的重要相互作用。此外,我们的新型框架设计通过利用两个传感器之间的对应点信息来促进有效的校准。这允许利用全球空间上下文,并通过整合跨模态的信息来实现高性能。实验结果表明,与最先进的基准相比,我们的方法证明了表现出色的性能。
文本到语音(TTS)模型的评估目前由均值开放得分(MOS)听力测试所统治,但MOS的有效性越来越受到质疑。mos测试将听众置于被动设置中,其中他们不会与TTS积极互动,通常会评估孤立的话语而没有上下文。因此,它没有表明TTS模型适合诸如口语对话系统之类的交互应用程序的迹象,在对话中,在对话环境中生成适当语音的能力至关重要。我们旨在通过评估几种最先进的神经TTS模型来解决这一缺点的第一步,其中包括一种在定制的口语对话系统中适应对话环境的模型。我们提出系统设计,实验设置和结果。我们的工作是第一个在上下文对话系统交互中评估TTS的工作。我们还讨论了拟议的评估范式的缺点和未来企业。索引术语:文本到语音,口语对话系统,评估方法,人类计算机互动
在生物医学领域中监督的命名实体识别(NER)取决于带有命名实体的大量带注释的文本。创建此类数据集可能是耗时且昂贵的,而新实体的提取需要其他注释任务并重新训练模型。本文提出了一种在生物医学领域中零和少量NER解决这些挑战的方法。该方法基于将多类令牌分类的任务转换为二进制令牌分类,并在大量数据集和生物医学实体上进行预训练,这使该模型可以学习给定和潜在的新颖命名实体标签之间的语义关系。,我们的零拍摄NER的平均F1得分为35.44%,单发NER为50.10%,10-Shot NER的平均F1得分为69.94%,在9种不同的具有基于微调PubMedbert模型的生物医学实体上,100-SHOT NER的平均F1得分为79.51%。结果证明了所提出的方法在识别没有或有限示例的新生物医学实体,优于先前的变压器方法,并且使用少于1000倍的参数的模型与基于GPT3的模型相媲美。我们公开制作模型并开发了代码。
摘要 - 依赖性量化(DQ)是多功能视频编码(VVC)标准中的关键编码工具之一。dq采用两个标量量化器,每个标量量化器的选择受奇偶元驱动的四州状态机的控制。由于设计是规范上执行的,因此DQ的使用需要汇率优化的量化(RDOQ),并具有每个系数决策和状态更新,例如基于网格的量化,最初针对VVC参考软件(VTM)提出。由于其固有的依赖性(包括基于先前编码的系数值的VVCS上下文选择)以及相当广泛的搜索范围,因此Trellis量化在计算上是高度复杂的。降低该算法的复杂性对于实用的VVC编码器至关重要。在本文中,我们提出了一个快速依赖的量化格子搜索,通过以下方式改进了初始设计:不可能的分支的格子修剪,正向自适应上下文传播,最后是矢量化的实现。在开放和优化的VVEND编码器中提出的建议方法将量化运行时减少了37%,允许在中等预设中总体15%的编码器加速,而在全intra编码条件下对压缩性能没有影响。在随机访问条件下,实现了9%的整体编码器加速。索引项 - VVC,VVEN,量化,格子,矢量。
摘要:诸如ChatGpt和其他大型语言模型(LLM)等变压器网络的功能引起了世界的关注。其性能基础的至关重要的计算机制依赖于将完整的输入序列(例如,句子中的所有单词)转换为一个长的“编码向量”,该序列使变压器可以在自然序列中学习长距离的时间依赖性。具体来说,应用于此编码向量的“自我注意力”通过计算输入序列中的单词对之间的关联来增强变形金刚中的时间上下文。我们建议,跨单个皮质区域或以整个脑规模的多个区域传播的神经活动波可以实施类似的编码原理。通过将最新的输入历史记录到每个时间时刻,皮层波可以使时间上下文从感觉输入的序列中提取,这是变压器中使用的计算原理。
经常认为传粉媒介健康的下降是多种相互作用的生物和非生物压力源的综合结果。也就是说,营养限制,农药暴露以及病原体和寄生虫感染。尽管有这一假设,但大多数检查压力源相互作用的研究都被限制在两个并发因素上,从而限制了我们对多压力动力学的理解。使用蜜蜂作为模型,我们通过研究可变饮食,多种农药的野外现实水平以及病毒感染相互作用以影响生存,感染强度以及免疫和解毒基因表达来解决这一差距。尽管我们发现证据表明农业化学暴露(毒性里利和两种杀真菌剂的野外混合物)会加剧感染并增加病毒诱导的死亡率,但这种结果是营养依赖性的,只有在提供人工花粉时才发生。与自然收获的多性花粉倒置的供应倒置,降低了病毒诱导的死亡率并提出了激烈的反应。为了测试该反应是否特定于农药,我们重复了使用拟除虫菊酯(Lambda-Cyhalothrin)和新烟碱(Thiamethoxam)的实验,发现了可变结果。最后,为了了解这些作用的基础,我们测量了重要的免疫和解毒基因的病毒载量和表达。一起,我们的结果表明,多应激源相互作用是复杂的,高度依赖于上下文,但具有影响蜜蜂健康和生理学的巨大潜力。
©作者2024。Open Access本文是根据Creative Commons Attribution 4.0 International许可获得许可的,该许可允许以任何媒介或格式使用,共享,适应,分发和复制,只要您对原始作者和来源提供适当的信誉,请提供与创意共享许可证的链接,并指出是否进行了更改。本文中的图像或其他第三方材料包含在文章的创意共享许可中,除非在信用额度中另有说明。如果本文的创意共享许可中未包含材料,并且您的预期用途不受法定法规的允许或超过允许的用途,则您需要直接从版权所有者那里获得许可。要查看此许可证的副本,请访问http://creativecommons.org/licenses/4.0/。Creative Commons公共领域奉献豁免(http://creativecommons.org/publicdomain/zero/zero/1.0/)适用于本文中提供的数据,除非在信用额度中另有说明。
候选人必须在06/09/2024的时间内发送其通过认证的E -Mail(P.E.C.)申请