XiaoMi-AI文件搜索系统
World File Search System对图
增强文本对图像合成的DF-GAN
摘要。文本对图像合成是机器学习中最具挑战性和最受欢迎的任务之一，许多模型旨在提高该领域的性能。深融合生成的对抗网络（DF-GAN）是图像生成的直接但有效的模型，但它具有三个关键局限性。首先，它仅支持句子级文本描述，从而限制了其从文字级输入中提取细颗粒特征的能力。第二，可以优化残差层和块的结构以及关键参数，以提高性能。第三，现有的评估指标，例如FréchetInception距离（FID），倾向于不适当地强调无关紧要的功能，例如背景，当重点放在生成特定对象上时，这是有问题的。为了解决这些问题，我们引入了一个新的文本编码器，该编码器增强了具有处理单词级描述能力的模型，从而导致更精确和文本一致的图像生成。此外，我们优化了关键参数，并重新设计了卷积和残留网络结构，从而产生了更高质量的图像并减少了运行时间。最后，我们提出了一种量身定制的新评估理论，以评估生成图像中特定对象的质量。这些改进使增强的DF-GAN在有效地产生高质量的文本分配图像方面更有效。
使用纵向变分自动编码器对图像数据进行进展模型
摘要。疾病进展模型对于理解退行性疾病至关重要。混合效应模型一直用于模拟临床评估或从医学图像中提取的生物标志物，允许在任何时间点进行缺失数据的填补和预测。然而，这种进展模型很少用于整个医学图像。在这项工作中，变分自动编码器与时间线性混合效应模型相结合，以学习数据的潜在表示，使得各个轨迹随时间遵循直线，并以一些可解释的参数为特征。设计了一个蒙特卡罗估计器来迭代优化网络和统计模型。我们将此方法应用于合成数据集，以说明时间依赖性变化与受试者间变异性之间的分离，以及该方法的预测能力。然后，我们将其应用于来自阿尔茨海默病神经影像计划 (ADNI) 的 3D MRI 和 FDG-PET 数据，以恢复大脑结构和代谢改变的详细模式。
人工智能对图形设计中创造力的影响
Abstract- AI通过在提高创造力的同时使其更快地改变图形设计实践。本文重点介绍了AI对图形设计创造力领域的影响。AI还可以通过自动化大多数单调作品来直接使设计师受益，从而腾出了设计时间来进行创意。在设计设备中使用AI，例如自动化设计的软件，使扩展可以扩展到令人兴奋的新样式。一方面，有些人如此频繁地使用机器以及AI生成的设计的问题方面存在问题。本文旨在讨论此类更改，指出AI如何补充设计师而不是取代它们。因此，AI被视为人们扩大设计中可能的边界并制作非凡的新图像的手段。
增强 AI 对图像编码伪影的适应性
摘要 — 在机器对机器 (M2M) 传输环境中，非常需要使用有损压缩来减少传输的信息量。然而，常用的图像压缩方法是为人类感知而设计的，而不是为人工智能 (AI) 算法的性能而设计的。众所周知，这些压缩失真会影响许多基于深度学习的架构在多个计算机视觉任务上的表现。在本文中，我们专注于分类任务，并提出了一种名为专家训练的新方法，以增强卷积神经网络 (CNN) 对压缩失真的弹性。我们在 ImageNet 数据集上使用 MnasNet 和 ResNet50 架构验证了我们的方法，以抵抗三种常用方法 (JPEG、J2K 和 BPG) 引入的图像压缩失真。结果表明，使用所提出的专家训练方法，这两种架构对测试的编码伪影具有更好的鲁棒性。我们的代码可在 https://github.com/albmarie/expert training 上公开获取。索引术语 — 人工智能 (AI)、图像编码、机器对机器 (M2M)
Mirage：用于审查和审核生成文本对图的多模型接口AI
虽然生成的AI系统在Di-Verse应用中广受欢迎，但它们产生有害产出的潜力限制了它们在不同应用中的可信度和可用性。近年来，人们对吸引多元化的AI用户参与可能影响其生活的生成AI的兴趣越来越大。为此，我们提出Mirage作为基于Web的工具，AI用户可以通过审核AI生成的图像来比较来自多个AI文本图像（T2I）模型的输出，并以结构化的方式报告其发现。我们使用Mirage对五个细节进行了初步的用户研究，发现Mirage用户可以利用自己的生活经验和身份来浮出水面，以在审查Multiple T2i模型的输出时围绕有害偏见浮出水面，与仅审查一个偏差。
探索生成人工智能对高等教育学生对图书馆资源的利用的影响：批判性考试
在高等教育领域，生成人工智能（Genai）已成为革命性的影响力，塑造了学生访问和使用图书馆资源的方式。这项研究探讨了Genai可能对高等教育学术图书馆经验（HE）学生所产生的积极和负面影响的复杂平衡。将考虑增强发现和检索，个性化和参与，简化研究过程以及可能通过使用生成AI提供的数字素养和信息评估的关键方面。将通过Davis等人引入的技术接受模型（TAM）的理论框架来检查将通过使用Genai提供的学生提供的这些前瞻性优势。 在1986年，这表明感知到的有用性和易用性是确定用户接受和利用技术的关键因素。 在评估其对图书馆资源的影响之前，将从这个角度分析高等教育学生的Genai。将通过使用Genai提供的学生提供的这些前瞻性优势。在1986年，这表明感知到的有用性和易用性是确定用户接受和利用技术的关键因素。在评估其对图书馆资源的影响之前，将从这个角度分析高等教育学生的Genai。
Tripathi, Atmika 和 TRIPATHI, ATMIKA 女士，“人工智能对图书馆服务和信息管理的影响。”（2024 年）。图书馆哲学与实践（电子期刊）。8148。https://digitalcommons.unl.edu/libphilprac/8148
Tripathi, Atmika 和 TRIPATHI, ATMIKA 女士，“人工智能对图书馆服务和信息管理的影响。”（2024 年）。图书馆哲学与实践（电子期刊）。8148。https://digitalcommons.unl.edu/libphilprac/8148
子图结构对图神经网络的成员推理攻击
图形神经网络（GNN）已被广泛应用于不同域之间的变量应用。但是，最近的研究表明，GNN易受成员推理攻击（MIA）的影响，该攻击旨在推断该模型的培训数据中包括某些特定的数据样本。虽然大多数先前的MIA都集中在训练图内的单个节点和边缘的成员中，但我们引入了一种新型的成员推理攻击形式，称为结构成员推理攻击（SMIA），该攻击（SMIA）旨在确定一组特定的目标结构，例如某个特定目标结构，例如集团或多跳训练图中的特定目标结构。为了解决此问题，我们提出了新颖的黑盒SMIA攻击，这些攻击利用了目标GNN模型产生的推理的预测输出。我们的方法涉及培训三标签分类器，该分类器与影子训练相结合，有助于加入推理攻击。我们对三种代表性GNN模型和三个现实世界图数据集的广泛实验评估表明，我们提出的攻击始终超过三个基线方法，包括采用常规链接成员资格推理攻击来推断子图结构的方法。此外，我们设计了一种防御机制，将扰动引入节点嵌入，从而影响了目标模型的相应预测输出。我们的防御选择性地覆盖了节点床中的尺寸，这些尺寸对模型的准确性影响最小。我们的经验结果表明，我们的方法的防御效力与两种既定的防御技术相媲美，这些技术采用了差异隐私。此外，与现有的两种防御方法相比，我们的方法在防御强度和目标模型的准确性之间取得了更好的权衡。
人工智能对图书馆的影响
在过去的十到十五年中，技术革命对图书馆领域产生了更大的影响。例如，以管理物理空间，组织信息资源，管理服务模式，通过常规物联网，大数据，云计算，RFID技术提供智能服务的形式。图书馆中技术的引入包括浏览，返回系统和座椅预留系统。技术的引入要求图书馆增加读者体验并改善读者的服务。由于每天的技术开发，仅来自RFID技术和互联网事物，它无法在图书馆完全相遇。人工智能是图书馆服务开发的新命令。