基于扩散的生成建模的最新进展导致了文本对视频(T2V)模型的开发,这些模型可以在文本提示下生成高质量的视频。这些T2V模型中的大多数通常会产生单场视频剪辑,该视频片段描绘了执行特定动作的实体(例如,“红熊猫爬树”)。但是,由于它们在现实世界中无处不在(例如,“红色熊猫爬树”,然后是“红熊猫睡在树的顶部”)。要从验证的T2V模型中生成多场景视频,我们介绍了IME IGNED C APTIONS(TALC)框架。具体来说,我们增强了T2V体系结构中的文本调节机制,以识别视频场景和场景描述之间的时间对齐。例如,我们调节生成视频的早期和后期场景的视觉特征,其中包括第一个场景描述的表示(例如,“红色熊猫爬树”)和第二个场景描述(例如,“红色熊猫睡在树的顶部”)。因此,我们表明T2V模型可以生成遵守多场曲线文本描述并在视觉上保持一致的多场景视频(例如,实体和背景)。,我们使用TALC框架使用多场景视频文本数据进行预验证的T2V模型。我们表明,滑石粉模型的表现优于基线方法,总分中的基线方法平均使用人类评估来平均视觉一致性和文本依从性。项目网站是https://talc-mst2v.github.io/。
我们的影响分析得到了一些关键的方法论贡献的基础,包括推导底部的状态恢复曲线,这些曲线表明在极端空间天气事件之后恢复电力供应需要多长时间,这些曲线基于关键风险因素,包括地磁纬度和深度地球地面电导率。电力供应的破坏被工业部门映射到州一级的工业产出,并将其汇总到美国国家一级。这产生了直接的经济损失估计,然后将其送入全球多区域经济投入输出模型,以评估国内和国际供应链中断。这些估计本身是应用动态经济平衡模型来评估美国及其贸易伙伴如何从这种冲击中恢复的基础。
工业革命带来了现代能源技术系统,可以说,这些系统已经将数十亿人从体力劳动和奴役中解放出来。现代能源燃料可以更有效地完成这项工作,而且规模更大。事实上,到 2019 年,世界人均一次能源使用量约为 81 GJ。这大约是一个体力劳动者食物能量摄入量的 21 倍。换句话说,地球上 77 亿人(包括婴儿和老人)中平均每个人都拥有相当于 21 个“能源仆人”的能源,这些现代能源转换器可以完成 21 个强壮男人的体力劳动。我们也可以称他们为“人造肌肉”,而不是“能源仆人”。这说明了当今物质生活水平背后的科学和技术实力,对于大多数人来说,这些物质生活水平比过去高得多。另一方面,这 1640 亿“能源仆人”也意味着我们的环境和经济足迹可能更像是 1700 亿人(当量),而不是 77 亿人。事实上,我们的“能源仆人”的数量增长速度远远快于人类人口的增长速度,这是导致全球环境足迹不断增加的主要原因。
基于场景的飞行模拟训练:其开发的人为因素分析及更好设计的建议 Christopher M. Johnson 美国威斯康星大学麦迪逊分校 Douglas A. Wiegmann 美国威斯康星大学麦迪逊分校 美国联邦航空管理局 (FAA) 资助了一项研究,旨在改善目视飞行规则 (VFR) 飞行员在仪表天气条件 (IMC) 下飞行的问题。基于场景的模拟训练 (SBST) 旨在检验私人飞行员的威胁和错误管理 (TEM) 技能。SBST 以航线导向飞行训练 (LOFT) 为模型,并开发了新技术来改进天气模拟。本文包括对飞行模拟开发的人为因素分析,并详细介绍了天气模拟的改进。历史天气数据用于准确重现飞行前简报、模拟天气参数和飞行中天气报告,并在截然不同的飞行员群体中测试了这些技术。第一个实验研究的是职业航空学生,第二个实验涉及没有职业抱负的 VFR 飞行员。为该项目开发的技术揭示了与训练不足有关的有趣发现,结果表明 SBST 可以有效填补从头飞行训练中的漏洞,并在所有级别的飞行训练中提高模拟保真度。在莱特兄弟设想动力飞行不到十年后,
整合学校的建筑环境是开展基于地点的能源教育的一种途径,将抽象概念与物理环境联系起来。本研究考察了配备太阳能电池板的户外教室(学习景观)与为期六周的可再生能源单元如何以及是否能够帮助学生发展能源系统的概念知识。同一学区内两所学校的四年级教室(一所拥有学习景观,一所没有)实施了该单元。在单元之前、期间和之后的四个时间点,通过基于模型的推理来衡量学生的学习成果(n=97)。对学生(n=12)进行了有关他们模型的采访。两所学校的学生都确定了主要的系统组件和序列。然而,学习景观的学生表现出对太阳能系统更细致入微的理解,并明确指出学习景观是能源教育的“教学工具”。研究结果表明,校园内可持续发展特征的存在可以提高学生的学习成果。
•开发易于理解的低到中等复杂性库•易于扩展以包括更多型号详细信息•电动和热太阳能•包括简单的风能模型•热能和电动电源存储•电动汽车充电模型•简单控制器型号•简单的控制器模型