XiaoMi-AI文件搜索系统
World File Search System摄像
Robodexvlm：视觉语言模型模型的任务计划和灵活机器人操纵的运动控制
摘要 - 本文介绍了Robodexvlm，这是一个用于机器人任务计划的创新框架，并掌握了配备灵敏手的协作操纵器的检测。以前的方法着眼于简化且有限的操纵任务，这些任务通常忽略了以长期培训方式抓住各种对象相关的复杂性。相比之下，我们提出的框架利用灵巧的手能够抓住不同形状和大小的对象，同时根据自然语言命令执行任务。所提出的方法具有以下核心组件：首先，设计了一个具有任务级恢复机制的稳健任务计划器，该机制设计了视觉语言模型（VLMS），这使系统能够解释和执行长序列任务。第二，基于机器人运动学和正式方法提出了语言引导的灵活掌握感知算法，该方法是针对带有多种物体和命令的零摄像的灵巧操作量身定制的。全面的实验结果验证了Robodexvlm在处理长层场景和执行灵巧抓握方面的有效性，适应性和鲁棒性。这些结果突出了该框架在复杂环境中运行的能力，展示了其进行开放式灵巧操作的潜力。我们的开源项目页面可以在https://henryhcliu.github.io/robodexvlm上找到。
与急性胰腺炎及其机制有关的糖尿病的招募和保留策略（梦）研究：急性胰腺炎联盟（T1DAPC）中的1型糖尿病
即时重播和视频审查作为专业运动员培训过程的一部分，历史悠久。但是，法律发现性是在手术专业中采用基于视频的培训和评估的主要障碍。无缝的视频捕获和编辑也是一个主要障碍。在2000年代初期，大多数手术室都安装了光线照相机；但是，很快指出，使用该技术捕获的视频经常被外科医生的头部阻塞。因此，在手术室中使用光线摄像机时，错过操作最重要的方面并不少见。广泛采用的最低侵入性的经验已大大提高了手术期间手术工作流程的高质量，毫无开动的观点的可用性。因此，对于使用微创技术进行的手术程序，手术视频捕获和编辑已经显着增加。手术视频的可用性增加引发了人们对使用人工智能（AI）来分析外科视频的兴趣。1在2017年，约翰·霍普金斯（Johns Hopkins）的计算机视觉工程师发布了第一个公共数据集，以帮助推动AI潜在使用自动任务识别。数据集包含使用DA Vinci机器人的三个任务的同步视频和运动数据：缝合，针，传递和
触觉增强的辐射场 - CVF Open Access
我们提出了一个场景表示形式，我们称之为触觉的辐射场（TARF），它将视觉和触摸带入共享的3D空间。此表示形式可用于估计场景中给定3D位置的视觉和触觉信号。我们从一系列照片和稀疏采样触摸探针中捕获了场景的tarf。我们的方法利用了两个见解：（i）基于常见的触摸传感器建立在普通摄像机上，因此可以使用多视图几何形状中的方法对图像进行注册，并且（ii）在视觉和结构上相似的场景区域具有相同的触觉效果。我们使用这些见解将触摸信号注册到捕获的视觉场景中，并训练有条件的扩散模型，该模型带有从神经辐射场呈现的RGB-D图像，生成其相应的触觉信号。为了评估我们的方法，我们收集了一个TARF的数据集。此数据集比预先持有的现实世界数据集包含更多的触摸样本，并且为每个捕获的触摸信号提供了空间对齐的视觉信号。我们揭示了跨模式生成模型的准确性以及在下游任务上捕获的视觉效果数据的实用性。项目页面：https：// dou- yiming.github.io/tarf。
![arxiv：2311.12386v3 [CS.CV] 2024年3月27日](/simg/7\7f44962f6543f6c8bd6e46396e93d7bef56e1429.webp)
arxiv：2311.12386v3 [CS.CV] 2024年3月27日
类别不合时宜的对象计数旨在将图像中的所有对象计数相对于示例框或类名称，又称几个弹药和零照片计数。在本文中，我们提出了一个基于检测的几射击对象和零射击对象的广义框架。我们的框架结合了两个基础模型的出色优势，而不会损害其零拍的能力：（i）SAM将所有可能的对象分割为掩膜建议，以及（ii）剪辑来对建议进行分类以获得准确的对象计数。但是，这种策略遇到了效率过高的障碍，而无法局部和区分的小型拥挤的物体。要解决这些问题，我们的框架称为PSECO，遵循三个步骤：点，细分和计数。具体来说，我们首先提出了一个类不足的对象局部 - 为SAM提供准确但最小的提示，因此，这不仅会降低计算成本，而且还避免了缺少小对象。此外，我们采用了一种广义的对象分类，该对象分类利用剪辑图像/文本嵌入为分类器，遵循层次知识蒸馏，以获得层次掩盖建议中的歧视性层状。对FSC-147，可可和LVISMON的广泛实验结果，即PSECO在几次/零摄像对象计数/检测中都可以实现最先进的性能。
Brainlm：大脑活动的基础模型...
我们介绍了大脑语言模型（Brainlm），这是一个在6,700小时的FMRI记录中训练的大脑活动动态基础模型。利用了自我监督的掩盖预测训练，Brainlm表现出较小的调整和零摄像的推理任务的效率。微调允许准确预测年龄，焦虑和PTSD等临床变量以及对未来大脑状态的预测。至关重要的是，该模型可以很好地推广到训练期间未见的全新外部队列。在零射推理模式下，Brainlm可以直接从原始fMRI数据中识别固有的功能网络，而无需在培训期间任何基于网络的监督。该模型还产生了可解释的潜在表示，这些表示揭示了大脑活动模式和认知状态之间的关系。总的来说，Brainlm提供了一个多功能且可解释的框架，用于阐明人类脑活动的复杂空间动力学。它是一种强大的“镜头”，可以通过该镜头以新的方式分析fMRI数据的大量存储库，从而使更有效的解释和利用能够大规模地进行。这项工作证明了基础模型可以推进计算神经科学搜索的潜力。
光束法平差精度评估 ...
1 塞浦路斯研究所考古与文化科学技术研究中心 (STARC)，尼科西亚，塞浦路斯 d.abate@cyi.ac.cy 2 摄影测量与测绘组，ICube-TRIO 实验室 UMR 7357 INSA 斯特拉斯堡，法国 arnadi.murtiyoso@insa-strasbourg.fr 第二委员会 关键词：捆绑调整、摄像网络、风筝摄影、考古文献、DBAT 摘要：价格实惠且现成的无人机系统 (UAS) 进入商业市场，最近提升了考古学家的测绘能力。硬件解决方案确实得到了更精确的飞行计划软件的支持，从而可以提高 3D 模型在空间分辨率和几何精度方面的可靠性。然而，在过去的几十年里，航空摄影主要是利用安装在风筝、气球和杆子上的成像传感器进行的。尽管这些平台是一种经济实惠且用户友好的解决方案，但它们的使用无法按照有序的数据收集方式收集图像，因此在网络设计中引入了可能妨碍摄影测量重建的因素。本研究旨在通过使用商业软件和 DBAT（阻尼束调整工具箱）重新处理在联合国教科文组织考古遗址 Khirokitia Vouni（塞浦路斯）收集的各种数据集，评估束调整 (BA) 的准确性和摄影测量重建的可靠性。1.介绍
战略活动主管
● 领导跨部门团队规划、执行、汇报和跟进高影响力活动，例如纽约气候周、伦敦气候周、缔约方大会生物多样性公约、缔约方大会气候公约、GreenBiz 等，确保与组织目标保持一致并完美交付。 ● 监督和管理活动规划和交付的各个方面，包括维护详细的工作计划、时间表和清单；场地选择、供应商谈判、活动注册、营销、全球旅行物流、保险、现场人员配备、演讲者选择和准备以及活动后报告。 ● 沟通：与沟通和设计同事及相关领导协调活动材料，并安排营销、摄影、摄像、流媒体和活动后传播。 ● 与通讯和影响力证据密切合作，指导创作思想领导力材料、小组内容和演示文稿，以引起目标受众的共鸣并强化 SBTi 的品牌。 ● 管理与活动相关的预算，制定和管理活动预算，并制定明确的收费指导方针，确保资源优化和财务问责。 ● 管理额外活动支持的合同并监督付款 ● 监督传入的活动请求评估流程，确保获得适当的批准。 ● 监督活动协调员以确保活动顺利进行。
多重型心率价值分析：一种新的糖尿病神经病诊断方法
摘要：2型糖尿病（T2DM）的特征是几种并发症，例如视网膜，肾衰竭，心血管疾病和糖尿病神经病。在其中，由于其早期发现的挑战性，神经病是最严重的并发症。线性壁炉率可变性（HRV）分析是糖尿病神经病的最常见诊断技术，其特征是通过使用PhotoPleplethymmography获得的转速图通过线性分析来确定外围神经上的交感神经 - 降低性平衡。我们旨在执行多重分析分析以识别自主神经病，该神经病尚未表现出来，并且无法通过线性HRV分析检测到。我们招募了10个健康对照，10例T2DM诊断为不饱受神经病的患者，还有10名T2DM诊断为诊断为成熟的神经性疾病的患者。使用手指光摄像学获得了用于HRV分析的转速图，并进行了线性和/或多重分析分析。我们的初步结果表明，线性分析可以有效地区分健康的患者和成熟神经病的T2DM患者。然而，没有差别揭示了将成熟的糖尿病患者与不成熟的神经性糖尿病患者进行比较。相反，多重HRV分析可有效区分成熟和不满的神经性T2DM患者。多重分析分析也可以代表确定神经性发作的有力策略，即使没有临床诊断证据。
medblip：3D医学图像和文本
摘要。视觉语言预处理（VLP）模型已在众多计算机视觉应用中被证明。在本文中，我们基于图像扫描和电子健康记录中的文本介绍，为医疗领域开发VLP模型，以促进计算机辅助诊断（CAD）。为了实现这一目标，我们介绍了MedBlip，这是一种轻巧的CAD系统，该系统启动了从架子冻结的预训练的图像编码器和大型语言模型中启动VLP。我们合并了一个MEDQFormer模块，以弥合3D医学图像和2D预训练的图像编码器和语言模型之间的差距。为了评估MEDBLIP的有效性，我们从五个公共阿尔茨海默氏病（AD）数据集中收集了30,000多个图像量：ADNI，NACC，OASIS，OASIS，AIBL和MIRIAD。在这个大规模的广告集中，我们的模型在健康，轻度认知障碍（MCI）和AD主题的零摄像分类中表现出了令人印象深刻的表现，并且还显示了其在M3D-VQA-AD数据集中的医学视觉问题An-Swering（VQA）中的能力。代码和预训练模型可在https://github.com/qybc/medblip上找到。
汽车解决方案 - Microchip Technology
功能安全和 ISO 26262 随着电子设备在汽车设计中的应用日益广泛，电子设备在车辆运行、用户便利性和人身安全保护方面发挥着至关重要的作用。鉴于电子系统在汽车应用中的广泛使用，很难理解它们的正确运行对车辆控制有多么重要。只要这些电子系统正常工作，车内和车外人员的安全主要取决于驾驶员的技能和驾驶习惯。但是，如果电子设备发生故障并阻止驾驶员保持适当的控制，会发生什么情况？例如，安全气囊可能会在车辆行驶时突然展开，而不是由碰撞触发。如果驾驶员甚至不知道电子设备发生故障，比如后视摄像头上的图像冻结，该怎么办？所有电子设备都容易出现随机故障。尽管单个部件的故障率可能很低，但车辆中电子设备的不断使用大大增加了发生故障的可能性。大多数软件工程师也同意，随着软件规模和复杂性的增加，消除错误变得越来越困难。功能安全是电子系统检测故障、让驾驶员意识到故障并将车辆置于允许驾驶员保持安全控制的模式的能力。回到安全气囊的例子，诊断程序应该识别故障、禁用部署并打开警告灯以通知驾驶员系统工作不正常。