部分遮挡图像识别 (POIR) 问题长期以来一直是人工智能面临的挑战。处理 POIR 问题的常用策略是使用非遮挡特征进行分类。不幸的是,当图像被严重遮挡时,此策略将失去效果,因为可见部分只能提供有限的信息。神经科学领域的一些研究表明,特征恢复(填充遮挡信息并称为非模态补全)对于人脑识别部分遮挡图像至关重要。然而,特征恢复通常会被 CNN 忽略,这可能是 CNN 对 POIR 问题无效的原因。受此启发,我们提出了一种新颖的受大脑启发的特征恢复网络 (BIFRNet) 来解决 POIR 问题。它模拟腹侧视觉通路来提取图像特征,并模拟背侧视觉通路来区分遮挡和可见图像区域。此外,它还使用知识模块存储对象先验知识,并使用完成模块根据可见特征和先验知识恢复遮挡特征。在合成和真实世界遮挡图像数据集上进行的深入实验表明,BIFRNet 在解决 POIR 问题方面优于现有方法。特别是对于严重遮挡的图像,BIRFRNet 大大超越其他方法,接近人脑性能。此外,受大脑启发的设计使 BIFRNet 更具可解释性。
使用绝对天体测量的国际天体参考框架 在 2023 年 2 月出版的《天文学杂志》 [1] 上发表的一篇新论文中,美国天文学家 David Gordon 领导的团队海军天文台报告首次在国际天文学联合会的官方天体参考框架中精确定位了我们银河系中心的黑洞。位于我们银河系中心的是一个超大质量黑洞,被称为人马座 A* (Sgr A*),这是一个强大的射电源,自 1950 年代初以来就为人所知和研究。银河平面中的气体和尘埃在光谱的可见部分遮蔽了它,但对其附近恒星运动的红外观测表明,它的质量约为 400 万个太阳质量 [2] 。最近,事件视界望远镜 [3] 拍摄到了它的影子。但尽管对它进行了许多研究,但要准确在天空中定位它却非常困难。准确定位人马座 A* 相对于天体参考系中其他源的位置,对于定义银河系坐标系和研究银河系结构、运动学和动力学,以及在无线电、毫米波和红外线下进行研究和图像之间的配准都非常重要。之前对其位置的最佳估计是使用一种称为“差分”天体测量的无线电干涉测量技术进行的,其中它的天体坐标是相对于一个或两个附近的校准器无线电源进行估计的。然而,所使用的校准源的坐标仅精确到几十毫角秒 (mas),并且可能会随时间略有变化,导致 Sgr A* 的坐标也存在类似的不确定性。但现在,一项由美国海军天文台天文学家领导的新研究发表在 2023 年 2 月的《天文学杂志》[1] 上,首次确定了 Sgr A* 的精确位置以及它在国际天文学联合会官方天体参考框架 ICRF3 [4] 中的自行。ICRF3 是国际天体参考框架的第三个实现,是一个由甚长基线干涉测量 (VLBI) 确定的 ~4500 个紧凑类星体射电源的精确坐标组成的天体参考框架。过去几年,美国海军天文台的 David Gordon 和同事南非射电天文台的 Aletha de Witt 以及喷气推进实验室的 Christopher Jacobs 一直在使用名为 VLBI“绝对”天体测量的射电干涉测量技术对人马座 A* 进行观测,该技术通过