XiaoMi-AI文件搜索系统
World File Search System捕捉目标
基于无人机遥感摄像机与类脑计算芯片的实时智能运动目标跟踪
基于无人机的运动目标跟踪技术被广泛应用于自动巡检、应急处置等诸多领域。现有的运动目标跟踪方法通常存在计算量大、跟踪效率低的问题。受限于无人机平台的算力，基于无人机平台采集的视频数据对多目标进行实时跟踪分析是一项艰巨的任务。本文提出了一种针对无人机实时跟踪任务的带记忆的特定目标滤波跟踪（TSFMTrack）方法，该方法包括用于捕捉目标外观特征的轨迹滤波模块（TFM）和用于每帧边界框关联的轨迹匹配模块（TMM）。通过在流行的MOT和UAV跟踪数据集上与其他SOTA方法的实验比较，TSFMTrack在准确性、计算效率和可靠性方面表现出明显的优势。并且将TSFMTrack部署在类脑芯片Lynchip KA200上，实验结果证明了TSFMTrack在边缘计算平台上的有效性以及适合无人机实时跟踪任务。
DASpeech：用于快速和高精度的有向非循环变压器......
直接语音到语音翻译 (S2ST) 使用单一模型将语音从一种语言翻译成另一种语言。然而，由于语言和声学多样性的存在，目标语音遵循复杂的多模态分布，这对 S2ST 模型实现高质量翻译和快速解码提出了挑战。在本文中，我们提出了 DASpeech，这是一种非自回归直接 S2ST 模型，可实现快速和高质量的 S2ST。为了更好地捕捉目标语音的复杂分布，DASpeech 采用两遍架构将生成过程分解为两个步骤，其中语言解码器首先生成目标文本，然后声学解码器根据语言解码器的隐藏状态生成目标语音。具体而言，我们使用 DA-Transformer 的解码器作为语言解码器，并使用 FastSpeech 2 作为声学解码器。DA-Transformer 使用有向无环图 (DAG) 对翻译进行建模。为了在训练过程中考虑 DAG 中的所有潜在路径，我们通过动态规划计算每个目标 token 的预期隐藏状态，并将它们输入声学解码器以预测目标梅尔频谱图。在推理过程中，我们选择最可能的路径并将该路径上的隐藏状态作为声学解码器的输入。在 CVSS Fr → En 基准上的实验表明，DASpeech 可以实现与最先进的 S2ST 模型 Translatotron 2 相当甚至更好的性能，同时与自回归基线相比保持高达 18.53 倍的加速。与之前的非自回归 S2ST 模型相比，DASpeech 不依赖于知识蒸馏和迭代解码，在翻译质量和解码速度方面都实现了显着提升。此外，DASpeech 还展示了在翻译过程中保留源语音的说话者声音的能力。23
遗传学年度评论：可扩展的功能分析用于解释人类遗传变异
大规模 DNA 测序从根本上改变了我们在整个生命科学领域探索疾病生物学机制的能力。基因组技术的可及性正在改变临床上的患者管理，并以越来越大的规模和分辨率推动分子、生物物理和细胞研究。在这里，我们回顾了序列功能研究在全面人类遗传变异集的大规模功能评估中的效用和应用，重点是单核苷酸变异 (SNV)。我们概述了可扩展功能检测设计的基本原理，并提出了选择替代模型系统和实验方法的框架。虽然本综述重点关注基于细胞的 SNV 检测，但相同的原理可能适用于一系列模型系统和遗传变异类型。人类疾病遗传学领域的主要目标是将基因位点与疾病和性状相关的表型联系起来。在最初的人类参考基因组的基础上，研究人员在对遗传变异进行分类方面取得了巨大进展（1、24、101、119、121、191）。大规模人群的基因分型和测序[例如英国生物样本库（25）、All of Us（6）和日本生物样本库（141）]，以及个人健康、人口统计和生活方式信息，已帮助将数千个基因位点与人类特征和疾病联系起来，并随着测序人群规模和多样性的增加而继续揭示遗传关联（24、181）。尽管基于人群的研究越来越有能力将常见变异与人类表型联系起来，但它们不适合对罕见和极其罕见的变异进行关联——这些变异占大多数遗传变异，并且往往对疾病表型的影响比常见变异更大（33）。考虑到目前人类群体中几乎存在所有可能的单核苷酸变异（122, 195），即使是最罕见的变异也需要进行功能评估。在这里，大规模的序列功能研究对于通过实验推断变异的影响至关重要。此外，对于常见变异，这些研究可以帮助在数千种常见性状相关单倍型中识别致病变异（61）。展望未来，序列功能研究对于加快评估等位基因频率范围内的遗传变异至关重要，并在此过程中帮助我们了解变异功能障碍的机制。到目前为止，可扩展的变异效应多重分析（MAVE）已经共同探究了数十万种遗传变异的功能后果，涵盖编码元件（18、21、28、50、73、74、77、78、81、88、96、112、124、127、143、173、175、194、196）和非编码元件，例如剪接位点（15、20、72、97、102、197）非翻译信使 RNA（mRNA）区域（163）、启动子（108）和增强子（108、135、148）。这些变异到功能 (V2F) 研究可以生成变异效应 (VE) 图谱，捕捉目标元素内所有可能的替换对功能的影响，包括尚未在人类中观察到的变异的影响。目前，人们正在形成一个共同的愿景，即建立一个涵盖人类基因组中所有功能元素的 VE 图谱 (11)——其关键要求是建立一套协调的可扩展功能检测方法。
用于解释人类遗传变异的可扩展功能检测
大规模 DNA 测序从根本上改变了我们在整个生命科学领域探索疾病生物学机制的能力。基因组技术的可及性正在改变临床上的患者管理，并以越来越大的规模和分辨率推动分子、生物物理和细胞研究。在这里，我们回顾了序列功能研究在全面人类遗传变异集的大规模功能评估中的效用和应用，重点是单核苷酸变异 (SNV)。我们概述了可扩展功能检测设计的基本原理，并提出了选择替代模型系统和实验方法的框架。虽然本综述重点关注基于细胞的 SNV 检测，但相同的原理可能适用于一系列模型系统和遗传变异类型。人类疾病遗传学领域的主要目标是将基因位点与疾病和性状相关的表型联系起来。在最初的人类参考基因组的基础上，研究人员在对遗传变异进行分类方面取得了巨大进展（1、24、101、119、121、191）。大规模人群的基因分型和测序[例如英国生物样本库（25）、All of Us（6）和日本生物样本库（141）]，以及个人健康、人口统计和生活方式信息，已帮助将数千个基因位点与人类特征和疾病联系起来，并随着测序人群规模和多样性的增加而继续揭示遗传关联（24、181）。尽管基于人群的研究越来越有能力将常见变异与人类表型联系起来，但它们不适合对罕见和极其罕见的变异进行关联——这些变异占大多数遗传变异，并且往往对疾病表型的影响比常见变异更大（33）。考虑到目前人类群体中几乎存在所有可能的单核苷酸变异（122, 195），即使是最罕见的变异也需要进行功能评估。在这里，大规模的序列功能研究对于通过实验推断变异的影响至关重要。此外，对于常见变异，这些研究可以帮助在数千种常见性状相关单倍型中识别致病变异（61）。展望未来，序列功能研究对于加快评估等位基因频率范围内的遗传变异至关重要，并在此过程中帮助我们了解变异功能障碍的机制。到目前为止，可扩展的变异效应多重分析（MAVE）已经共同探究了数十万种遗传变异的功能后果，涵盖编码元件（18、21、28、50、73、74、77、78、81、88、96、112、124、127、143、173、175、194、196）和非编码元件，例如剪接位点（15、20、72、97、102、197）非翻译信使 RNA（mRNA）区域（163）、启动子（108）和增强子（108、135、148）。这些变异到功能 (V2F) 研究可以生成变异效应 (VE) 图谱，捕捉目标元素内所有可能的替换对功能的影响，包括尚未在人类中观察到的变异的影响。目前，人们正在形成一个共同的愿景，即建立一个涵盖人类基因组中所有功能元素的 VE 图谱 (11)——其关键要求是建立一套协调的可扩展功能检测方法。