XiaoMi-AI文件搜索系统
World File Search System像素
最后征稿
图像传感器设计和性能 CMOS 成像仪、CCD 成像仪、SPAD 传感器 全新颠覆性架构 全局快门图像传感器 低噪声读出电路、ADC 设计 单光子灵敏度传感器 高帧率图像传感器 高动态范围传感器 低压低功耗成像仪 高图像质量；低噪声；高灵敏度 改善的色彩再现 具有特殊数字处理的非标准彩色模式 片上成像系统、片上图像处理 基于事件的图像传感器 像素和图像传感器器件物理学 新器件和像素结构 先进材料 超小型像素开发、测试和特性描述 新器件物理学和现象 电子倍增像素和成像仪 提高 QE、阱容量、减少串扰和改善角度响应的技术 前照式、背照式和堆叠像素及像素阵列 像素模拟：光学和电气模拟、2D 和 3D、设计和模拟 CAD、改进的模型
Geekbench AI 工作负载
图像分割是一项将数字图像的所有像素分成不同类别的任务。与对整个图像进行分类的图像分类不同，图像分割对图像的每个像素进行分类。该模型以固定大小的图像作为输入，并返回图像每个像素的置信度分数向量。得分最高的标签用作像素的标签。整个图像以多色马赛克的形式返回，其中每种颜色代表一种对象类型。
使用超像素融合、GoogleNet 和线性邻域语义分割的 SLIC 分割进行脑肿瘤分类
脑肿瘤是由于细胞不受控制地生长而产生的异常组织肿块。脑肿瘤通常会缩短寿命并在后期导致死亡。自动检测脑肿瘤是计算机辅助疾病诊断系统中一项具有挑战性且重要的任务。本文提出了一种基于深度学习的脑肿瘤分类方法。使用边缘方向总变分去噪去除脑 MRI 图像中的噪声。使用超像素融合的 SLIC 分割对脑 MRI 图像进行分割。将分割结果提供给经过训练的 GoogleNet 模型，该模型可识别图像中的肿瘤部分。一旦识别出肿瘤，便使用基于卷积神经网络 (CNN) 的改进语义分割模型对肿瘤段边缘的像素进行分类。改进的语义分割使用像素的线性邻域来进行更好的分类。由于边界处的像素被准确分类，因此最终识别出的肿瘤是准确的。实验结果表明，该方法在 GoogleNet 分类模型中的准确率为 97.3%，线性邻域语义分割的准确率为 98%。
通过调整像素密度优化同轴平面栅极氧化锌纳米线场发射阵列的性能
摘要：门控ZnO纳米线场发射阵列在平板X射线源、光电探测器等大面积真空微电子器件中有着重要的应用。由于应用需要高像素密度的场发射阵列，因此需要研究像素密度对门控ZnO纳米线场发射性能的影响。本文模拟了在保持横向几何参数成比例的情况下不同像素尺寸下同轴平面门控ZnO纳米线场发射阵列的性能，获得了发射电流和栅极调制随像素尺寸的变化曲线。利用所获得的器件参数，制备了同轴平面门控ZnO纳米线场发射阵列。场发射测量结果表明，当栅极电压为140 V时，制备的ZnO纳米线场发射阵列的电流密度为3.2 mA/cm 2，跨导为253 nS，表明栅极控制有效。性能的提高归因于优化的栅极调制。
IISW2025 第一次征文.pdf
图像传感器设计和性能 CMOS 成像仪、CCD 成像仪、SPAD 传感器 全新颠覆性架构 全局快门图像传感器 低噪声读出电路、ADC 设计 单光子灵敏度传感器 高帧率图像传感器 高动态范围传感器 低压低功耗成像仪 高图像质量；低噪声；高灵敏度 改善的色彩再现 具有特殊数字处理的非标准彩色模式 片上成像系统、片上图像处理 基于事件的图像传感器 像素和图像传感器器件物理学 新器件和像素结构 先进材料 超小型像素开发、测试和特性描述 新器件物理学和现象 电子倍增像素和成像仪 提高 QE、阱容量、减少串扰和改善角度响应的技术 前照式、背照式和堆叠像素及像素阵列 像素模拟：光学和电气模拟、2D 和 3D、设计和模拟 CAD、改进的模型
双眼立体>的SGM算法介绍
•对两个图像中的相应像素的搜索如果进行了校准，则两个图像的搜索变得容易一些 - 这意味着，如果两个图像中的同一行中存在一对相应的像素。您从我的讲座24中知道，对于任何给定的像素（i，j）∈I，在另一个图像中必须在另一个图像中对其相应的像素进行搜索。，正如我在第24堂课中所解释的那样，
事件摄像机的密集连续时间流量
摘要 - 我们提出了一种估算事件数据的密集连续时间光流的方法。传统的致密光流方法计算两个图像之间的像素位移。由于缺少信息，这些方法无法在两个图像之间的盲时间中恢复像素轨迹。在这项工作中，我们表明可以使用事件相机中的事件来计算每像素，连续的光流。事件由于其渐进性和微秒响应时间而提供了有关像素空间中运动的时间细粒信息。我们利用这些好处来通过参数化的B´ezier曲线在连续的时间内密集地预测像素轨迹。为了实现这一目标，我们构建了一个具有强大诱导偏见的神经网络：首先，我们使用事件数据及时构建了多个顺序相关量。第二，我们使用B´ezier曲线在沿轨迹的多个时间戳上为这些相关量索引。第三，我们使用检索到的相关性迭代更新B´ezier曲线表示。我们的方法可以选择包括图像对，以进一步提高性能。据我们所知，我们的模型是可以从事件数据中回归密集的像素轨迹的第一种方法。为了训练和评估我们的模型，我们引入了一个合成数据集（Multiflow），该数据集（Multiflow）具有每个像素的移动对象和地面真相轨迹。开源代码和数据集向公众发布。我们的定量实验不仅表明我们的方法在连续的时间内成功预测了像素轨迹，而且在多速和DSEC-Flow上的传统两视频像素位移中也具有竞争力。
快速 X 射线成像和衍射...
• CMOS：20 μm/像素，1024 x 1024，图像尺寸随帧速率增加而减小 • 混合 CMOS（带像素存储）：30 μm/像素，400 x 250，图像尺寸保持不变 q 物镜：2x、5x、10x、20x
高速率、高分辨率单光子 X 射线成像
在过去的二十年中，Medipix 已建立了四个连续的合作项目。这些合作旨在利用从高能物理学进步中获得的知识来开发尖端的混合像素探测器，从而能够精确探测每个事件中的单个 X 射线光子或粒子[1]。这些技术在多个科学领域有广泛的应用，包括医学成像、同步加速器 X 射线相机、基于 X 射线的材料分析、电子显微镜等。首先，Medipix1 芯片演示了在 170 µ m 像素间距内单光子计数架构的原理，并展示了通过使用脉冲处理前端在将检测阈值设置在远高于背景噪声水平的情况下实现无噪声 X 射线成像的可行性[2]。Medipix2 通过使用每像素双阈值证明了在 55 µ m 紧凑像素间距下进行光谱成像的可行性[3]。然而，由于电荷收集过程中的扩散以及高 Z 材料中的荧光光子，像素尺寸的减小导致像素间出现严重的电荷共享 [4,5]。随着 Medipix3RX 的推出，读出电子器件从单光子计数转变为单光子处理架构。一种直接在 55 µ m 像素上实施像素间算法的新方案消除了电荷扩散产生的能谱畸变 [6,7]。Medipix3RX 还引入了将 4 个像素中的 1 个连接到像素间距为 110 µ m 的传感器的选项。尽管如此，Medipix3RX 探测器只能在三侧邻接，因为芯片的一侧保留用于控制逻辑和 I/O。这使连续大面积探测器的实现变得复杂。本文介绍的 Medipix4 延续了 Timepix4 芯片的进步，使专用集成电路 (ASIC) 能够沿四侧覆盖，同时将死区降至最低 [8]。医学 X 射线计算机断层扫描 (CT) 和 X 射线成像的另一个限制因素是脉冲堆积，这是由于