XiaoMi-AI文件搜索系统
World File Search System掩码
Mirage™非通风（NV）掩码系列
Resmed Corp Poway，美国加利福尼亚州，美国+1 858 746 2400或1 800 424 0737（免费免费），Resmed Pty Ltd Ltd Bella Vista，新南威尔士州，澳大利亚+61（2）8884 1000或1 800 658 189（免费）。在奥地利，巴西，芬兰，法国，德国，香港，日本，马来西亚，荷兰，新西兰，新西兰，挪威，新加坡，西班牙，瑞典，瑞士，瑞士，英国，英国的办事处（有关详细信息，请参见网站）。Protected by patents: AU 710733, AU 741003, AU 766623, AU 775051, CA 2261790, DE 29724224, EP 0956069, EP 1187647, EP 1187649, EP 1187650, EP 1479406, JP 3686609, NZ 513052, NZ 526165, NZ 526166, NZ 526168, US 6112746, US 6119693, US 6357441, US 6374826, US 6463931, US 6513526, US 6532961, US 6581602, US 6634358, US 6701927, US 6860269，US 6871649，US 6997188，US 7021311，US 7069933。受设计注册保护：AU 157902，AU 302719，CN 200330102703.8，CN 200330102704.2，EP 098348，JP 3661054，JP 1212687，JP 1214582，US D4938885，US D5519207。其他专利和设计注册待定。超市和海市rage楼是Resmed Pty Ltd的商标，Mirage在美国专利商标局注册。Hearth-O-Prene是累积Technologies，Inc。Velcro的商标。贴Velcro是Velcro Industries B.V.©2006 Resmed的注册商标。规格可能会更改，恕不另行通知。101871/2 06 12
CleanSpace™CST半掩码CST1034 CST1035 ...
限制清洁区呼吸器是空气过滤，风扇辅助，正压系统，设计为在有足够的氧气安全呼吸的环境中穿着。请勿使用立即危害生命或健康（IDLH）气氛的CleanSpace呼吸器来防止无法过滤或富含氧气或不足的气氛中的气体/蒸气。
高阶蒙面剑士 - COSIC - 鲁汶天主教大学
摘要：旁道攻击是对现实世界中部署的密码系统的巨大威胁。针对旁道攻击的一种有效且可证明安全的对策是掩蔽。在本文中，我们详细研究了密钥封装机制 Saber 的高阶掩蔽技术。Saber 是美国国家标准技术研究所后量子标准化程序中基于格的最终候选者之一。我们对最近为 Saber 提出的不同掩蔽算法进行了详细分析，并提出了一种优化的高阶掩蔽 Saber 实现。与未掩蔽的 Saber 相比，我们针对一阶、二阶和三阶掩蔽 Saber 提出的技术分别具有 2.7 倍、5 倍和 7.7 倍的性能开销。我们表明，与另一种基于格子的最终方案 Kyber 相比，Saber 的性能随着掩码阶数的增加而下降得更少。我们还表明，高阶掩码 Saber 需要的随机字节比高阶掩码 Kyber 少。此外，我们将掩码实现调整为 uSaber，这是 Saber 的一个变体，专门设计用于实现高效的掩码实现。我们介绍了 uSaber 的第一个掩码实现，表明它在任何阶数上确实比掩码 Saber 至少高出 12%。我们在 ARM Cortex-M4 微控制器上提供了我们提出的所有掩码方案的优化实现。
使用高数据效率深度学习的光子结构优化：应用于纳米蛋白和环形河流相位掩码
metasurfaces为在薄膜光学元件的领域中操纵光特性提供了一个灵活的框架。特别是，可以通过使用薄相板有效地控制光的极化。本研究旨在为这些设备引入替代优化框架。该框架用于开发针对天文学高对比度成像应用的两种涡旋相口罩（VPM）。计算智能技术被利用以优化这些设备的几何特征。较大的设计空间和计算限制需要使用替代模型，例如部分最小二乘Kriging，径向基函数或神经网络。但是，我们证明了这些方法在建模VPM的性能时的不足。为了解决这些方法的缺点，提出了使用深神经网络作为高度准确且有效的替代模型的数据效率进化优化设置。本研究中的优化过程采用了强大的粒子群进化优化方案，该方案在光子设备的显式几何参数上运行。通过这种方法，为两个候选人开发了最佳设计。在最复杂的情况下，进化优化可以优化设计原本不切实际的设计（需要太多的模拟）。在这两种情况下，替代模型都提高了程序的可靠性和效率，与常规优化技术相比，所需的模拟数量最多可将所需数量的仿真数量减少高达75％。
从文本到图像综合的前景 - 背景分割的无监督共同生成
文本对图像（T2I）合成是一项艰巨的任务，该任务是对文本和图像域及其关系进行建模。最近作品实现的图像质量的实质性改进为Nuberon应用程序铺平了道路，例如语言辅助图像编辑，计算机辅助设计，基于文本的图像检索和培训数据增强。在这项工作中，我们提出了一个简单的问题：与逼真的图像一起，我们是否可以以一种不受影响的方式获得任何有用的副产品（例如前景 /背景或多类分割掩码，检测标签，检测标签），这也将使其他计算机视觉任务任务和应用受益？试图回答这个问题，我们探索了从给定文本中的逼真的图像及其相应的前景 /背景分割掩码。为了实现这一目标，我们与GAN一起实验了共进行分割的概念。具体而言，提出了一种名为“共裂”启发的GAN（COS-GAN）的新型GAN结构，该结构同时从不同的噪声矢量中同时生成两个或多个图像，并利用图像特征之间的空间关注机制来生成逼真的分段掩码，以生成生成的Im-Im-Im-Im-Im-Im-Im-Im-Im-Im-Im-Agens。这种架构的优点是两倍：1）生成的分割掩码可用于专注于前景和背景，以改善生成的图像的质量，2）分段蒙版可以用作其他任务的训练目标，例如访问本地化和分割。在CUB，Oxford-102和可可数据集上进行的广泛实验表明，Cos-Gan能够改善视觉质量，并为发电图像提供可靠的前景 /背景掩码。
LayoutLMv3：使用统一的文本和图像蒙版对文档 AI 进行预训练
自监督预训练技术在 Document AI 中取得了显著进展。大多数多模态预训练模型使用掩码语言建模目标来学习文本模态的双向表示，但它们在图像模态的预训练目标上有所不同。这种差异增加了多模态表示学习的难度。在本文中，我们提出了 LayoutLMv3，以统一的文本和图像掩码来预训练用于 Document AI 的多模态 Transformer。此外，LayoutLMv3 还使用词块对齐目标进行预训练，通过预测文本词的相应图像块是否被掩码来学习跨模态对齐。简单的统一架构和训练目标使 LayoutLMv3 成为以文本为中心和以图像为中心的 Document AI 任务的通用预训练模型。实验结果表明，LayoutLMv3 不仅在以文本为中心的任务（包括表单理解、收据理解和文档视觉问答）中取得了最佳性能，而且在以图像为中心的任务（例如文档图像分类和文档布局分析）中也取得了最佳性能。代码和模型可在 https://aka.ms/layoutlmv3 上公开获取。
启用了蒙版优化的GPU级别集
摘要 - 由于高级集成电路的特征大小不断收缩，因此分辨率增强技术（RET）被利用来改善光刻过程中的可打印性。光学接近校正（OPC）是旨在补偿面罩以生成更精确的晶圆图像的最广泛使用的RET之一。在本文中，我们提出了一种基于级别的OPC方法，具有高面膜优化质量和快速收敛。为了抑制光刻过程中条件爆发的干扰，我们会提供一个新的过程窗口感知的成本函数。然后，采用了一种新颖的基于动量的进化技术，该技术取得了重大改进。我们还提出了一种自适应共轭梯度方法，该方法有望具有更高的优化稳定性和更少的消耗时间。此外，图形过程（GPU）被利用用于加速所提出的算法。我们将输出掩码从机器学习基于掩码优化流中作为输入和工作作为重新定位掩码的后过程。ICCAD 2013基准测试的实验结果表明，我们的算法在解决方案质量和运行时开销中均优于以前的所有OPC算法。
启用了蒙版优化的GPU级别集
摘要 - 由于高级集成电路的特征大小不断收缩，因此分辨率增强技术（RET）被利用来改善光刻过程中的可打印性。光学接近校正（OPC）是旨在补偿面罩以生成更精确的晶圆图像的最广泛使用的RET之一。在本文中，我们提出了一种基于级别的OPC方法，具有高面膜优化质量和快速收敛。为了抑制光刻过程中条件爆发的干扰，我们会提供一个新的过程窗口感知的成本函数。然后，采用了一种新颖的基于动量的进化技术，该技术取得了重大改进。我们还提出了一种自适应共轭梯度方法，该方法有望具有更高的优化稳定性和更少的消耗时间。此外，图形过程（GPU）被利用用于加速所提出的算法。我们将输出掩码从机器学习基于掩码优化流中作为输入和工作作为重新定位掩码的后过程。ICCAD 2013基准测试的实验结果表明，我们的算法在解决方案质量和运行时开销中均优于以前的所有OPC算法。