XiaoMi-AI文件搜索系统
World File Search System从单
从单目遥感图像进行 3D 建筑物重建
与从 LiDAR 数据和多视图影像重建相比，倾斜影像重建是大规模城市建模的重要研究问题和经济解决方案。然而，建筑物足迹和立面的部分不可见性、严重的阴影效应以及大范围区域内建筑物高度的极端变化等若干挑战将现有的基于单目影像的建筑物重建研究限制在某些应用场景中，即从近地面影像建模简单的低层建筑物。在本研究中，我们提出了一种新颖的单目遥感影像 3D 建筑物重建方法，解决了上述困难，从而为更复杂的场景提供了一种有吸引力的解决方案。我们设计了一个多任务建筑物重建网络 MTBR-Net，通过四个语义相关任务和三个偏移相关任务来学习倾斜影像的几何属性、3D 建筑物模型的关键组件及其关系。网络输出通过基于先验知识的 3D 模型优化方法进一步集成，以生成最终的 3D 建筑模型。在公共 3D 重建数据集和新发布的数据集上的结果表明，与目前最先进的方法相比，我们的方法将高度估计性能提高了 40% 以上，将分割 F1 分数提高了 2% - 4%。
从单一疗法到组合策略
摘要：黄斑水肿（ME）是各种视网膜疾病中视觉障碍的主要原因。当前的治疗方式，包括抗血管内皮生长因子（抗VEGF）剂和皮质类固醇，通常需要重复应用，增加医疗和经济负担。me是由慢性炎症和VEGF过表达驱动的，导致黄斑中的液体积累。最近的研究强调了各种细胞因子在ME发病机理中的作用，因此需要采取全面的治疗方法。单一疗法表现出功效，但它们与诸如经常注射和潜在副作用的需求等局限性有关。组合疗法，包括带有黄斑激光光凝的抗VEGF药物，曲安赛醇乙烯剂或地塞米松玻璃体内植入物（Ozurdex）已成为有前途的策略。本综述分析了不同类型的ME的各种组合方法的结果，包括糖尿病黄斑水肿（DME），视网膜静脉闭塞相关ME（RVO-ME）和uveitic黄斑水肿（UME）。讨论了将抗VEGF和抗炎症治疗结合的潜在好处，以及对个性化治疗方案的需求。未来的研究方向概述了，强调了大规模长期研究在评估组合疗法的持续功效和安全性方面的重要性。预计先进成像技术，生物标志物分析和创新的治疗方法的整合将塑造ME管理的未来景观，并朝着更具针对性和有效的组合疗法发展。
从单速度Baer-Nunziato和Kapila Systems的两相多孔介质系统的定量推导
hal是一个多学科的开放访问档案，用于存款和传播科学研究文件，无论它们是否已发表。这些文件可能来自法国或国外的教学和研究机构，也可能来自公共或私人研究中心。
古微生物学：追踪过去微生物的生命，从单一物种到整个微生物群落
由于它们通常形状和结构难以辨别，因此无法通过形态学检查对化石微生物类群进行精确识别 (Xie & Kershaw, 2012 )。此外，即使是对化石记录中得到很好体现的类群，如有孔虫门，由于存在由裸露的未化石物种组成的演化支，因此仅基于化石数据也无法正确解释它们随时间的演化模式 (Pawlowski et al., 2003 )。因此，与古老的动植物群 (McElwain & Punyasena, 2007 ; Raup & Sepkoski, 1982 ; Signor, 1994 ) 不同，可分类的古生物标本的稀有性只能揭示过去真实的微生物多样性的一小部分，并且难以研究不同地质时代的微生物演化、多样化和功能意义。
miso：微流体蛋白隔离能够从单个细胞集落
单个粒子冷冻EM可以通过将嵌入在纳米厚的玻璃体冰中的几百万个纯化的蛋白质颗粒可视化到几百万纯化的蛋白质颗粒，从而重建蛋白质的接近原子或什至原子分辨率3D蛋白质。这对应于纯化蛋白质的皮克图，这些蛋白质可以从几千个细胞中分离出来。因此，Cryo-Em具有最敏感的分析方法之一，该方法提供了高分辨率蛋白质结构作为读数。实际上，准备低温EM网格需要超过一百万倍的起始生物材料。为了缩小差距，我们开发了一种微分离（MISO）方法，该方法将基于微流体的蛋白质纯化与冷冻EM网格制剂相结合。我们验证了可溶性细菌和真核膜蛋白的方法。我们表明，Miso可以从一个微克的靶蛋白微克开始，并在几个小时内从细胞到冷冻EM网格。这将纯化缩短了几百到几千倍，并为迄今无法访问的蛋白质的结构表征打开了可能性。
SPAR3D：从单幅图像实现稳定的点感知三维物体重建
从单目图像重建3D物体是计算机视觉领域的一个基本问题。高效的重建系统能够开辟广泛的应用领域，包括增强现实、电影制作和制造业。单目3D重建也是一个复杂的逆问题：虽然可见表面可以通过阴影估计，但预测遮挡表面需要强大的3D物体先验知识。我们的领域已经在两个不同的方向上出现了分歧：前馈回归[2、10、19、24、25、27、37、53、54、59-62、65、66、69]和基于扩散的生成[6、8、9、26、29、31-35、39、46-48、68、71]。尽管在两个方向上都取得了重大进展，但每个方向都有根本的局限性。基于回归的模型在粘附图像中的可见表面方面非常有效，并且推理速度通常很快。然而，它们对图像和 3D 之间的双射映射做出了过于简单的假设。这一假设在学习目标中引入了模糊性，导致遮挡区域的表面和纹理估计不佳。另一方面，基于扩散的方法是生成性的，不能预测统计平均值。然而，在建模高分辨率 3D 时，它们在推理时的迭代采样计算效率低下。此外，[27] 等先前的研究表明，扩散生成的 3D 模型与输入图像中可见表面的对齐效果较差。我们如何才能兼顾两者的优点而又避免它们的局限性？有鉴于此，我们提出了 SPAR3D，它将 3D 重建过程分为两个阶段：点采样阶段和网格划分阶段。点采样阶段使用扩散模型生成稀疏点云，然后是网格划分阶段，将点云转换为高度详细的网格。我们的主要思想是将不确定性建模转移到点采样阶段，在此阶段，点云的低分辨率允许快速迭代采样。随后的网格划分阶段利用局部图像特征将点云转换为具有高输出保真度的详细网格。减少点云网格划分的不确定性进一步促进了逆渲染的无监督学习，从而减少了纹理中的烘焙照明。我们的两阶段设计使 SPAR3D 的性能显著优于以前的回归方法，同时保持了高计算效率和对输入观测的保真度。我们方法的一个关键设计选择是使用点云来连接两个阶段。为了确保快速重建，我们的中间表示需要轻量级，以便能够高效生成。另一方面，它应该为网格划分阶段提供足够的指导。这
从单一角度理解金属配合物的自旋……
与总体自旋行为相比，单分子自旋行为可以在基本构件水平上被准确理解、控制和应用。单分子电子自旋和核自旋在监测和控制方面的潜力为分子自旋器件的发展带来了希望，这些器件通过将单个分子连接在两个电极之间而制成。金属配合物因其优越的磁性而广受赞誉，被广泛用于探索自旋效应的器件中。此外，具有高信噪比、时间分辨率和可靠性的单分子电学技术有助于理解自旋特性。本综述重点介绍了含有金属配合物的器件，特别是单分子磁体，并系统地介绍了该领域在单分子水平上的实验和理论发展现状，包括电子和核自旋的基本概念及其基本自旋效应。然后，介绍了几种在单分子水平上调控金属配合物自旋特性的实验方法，以及相应的内在机制。简要讨论了单分子自旋器件的综合应用和面临的巨大挑战，并展望了该领域未来的潜在发展方向。
预期的大脑活动取决于预期刺激的感觉方式：从单次试验分析中获得的见解
。CC-BY 4.0 国际许可证永久有效。它以预印本形式提供（未经同行评审认证），作者/资助者已授予 bioRxiv 许可，可以在该版本中显示预印本。版权持有者于 2024 年 9 月 9 日发布了此版本。；https://doi.org/10.1101/2023.09.27.559806 doi：bioRxiv 预印本
模仿从单个演示中学习的，利用载体量化机器人收获
摘要：机器人解决复杂的非重复任务的能力将是为仍涉及劳动密集型，潮流和身体苛刻活动的农业应用中新的自动化水平的关键。收获是一个这样的例子，因为它需要将动作组合在一起，通常可以将其分解为视觉宣传和操纵阶段，而后者通常直接直接进行预编程。在这项工作中，我们专注于新鲜蘑菇收获的任务，该任务由于其高复杂性而由人类采摘者手动进行。一个关键的挑战是通过低成本硬件和机械系统来启用收获，例如软握把，它们与刚性相比提出了其他挑战。我们设计了一种使用矢量量化的模仿学习模型管道来直接从视觉输入中学习量化嵌入。我们在基于人类专家收集真正蘑菇的录音设计的现实环境中测试了这种方法。我们的模型可以用柔软的气动驱动器来控制一个笛卡尔机器人，以成功复制蘑菇的超越序列。我们在不到20分钟的数据收集的干扰物中取下蘑菇，包括单个专家演示和辅助，非专家，轨迹。整个型号管道需要在单个A4000 GPU上少于40分钟的训练，并且大约需要。20 ms用于推断标准笔记本电脑GPU。