XiaoMi-AI文件搜索系统
World File Search System空间关系
可以捕获空间关系
对象之间的空间关系代表关键场景信息，以使Humans理解和与世界互动。研究熟悉计算机视觉系统识别物理扎根的空间关系的能力，我们首先提出了确切的关系定义，以允许始终如一地注释基准数据集。尽管这项任务显然与识别文献中其他任务相关的简单性，但我们观察到现有方法在此基准上的表现较差。我们提出了新的方法，利用了变形金刚的远程注意力能力，并评估关键设计原理。我们确定了一个简单的“相关”体系结构，并证明它的表现优于所有当前方法。据我们所知，这是第一种令人信服的在野外环境中空间关系预测的幼稚基线的方法。代码和数据集可在https://sites.google.com/view/spatial-realation中找到。
用于物体识别的中心空间关系
尽管有越来越多的证据表明，来自背侧视觉通路的输入对于腹侧通路中的物体 29 过程至关重要，但背侧皮质对这些 30 过程的具体功能贡献仍知之甚少。在这里，我们假设背侧皮质计算物体各部分之间的 31 空间关系（这是形成整体形状感知的关键过程）32，并将此信息传输到腹侧通路以支持物体分类。使用 fMRI 33 对人类参与者（女性和男性）进行研究，我们发现顶内沟 34 (IPS) 中的区域选择性地参与计算以物体为中心的部分关系。这些区域 35 表现出与腹侧皮质的任务依赖性功能和有效连接，36 与其他背部区域不同，例如代表异中心关系、3D 形状和 37 工具的区域。在随后的实验中，我们发现后 IPS 的多变量反应（根据部分关系定义）可用于解码与腹侧物体区域相当的物体类别。此外，中介和多变量有效连接分析进一步表明，IPS 可能解释了腹侧通路中部分关系的表征。总之，我们的结果突出了背侧视觉通路对物体识别的特定贡献。我们认为背侧皮层是腹侧通路的重要输入来源，可能支持根据整体形状对物体进行分类的能力。
M3：飞行轨迹间空间关系的视觉探索
摘要 异常值检测与聚类是轨迹分析的重要内容。尽管目前已有许多算法被提出来解决这些问题，但它们缺乏与可视化的结合，无法将人类智能融入分析过程。我们提出了一个可视化框架M3，该框架通过三个相互协调的视图将数据挖掘算法与可视化技术相结合：地图、MST和FSDMatrix。地图视图显示轨迹的空间信息。MST是一棵最小生成树，它表示轨迹之间的关系。在MST中，每个节点代表一条轨迹；节点之间的边表示轨迹之间的Fre´chet距离。FSDMatrix显示一个成对的自由空间图矩阵，以协助检测异常值和聚类轨迹。这三个视图相互影响。通过案例研究，我们讨论了该框架的适用性并展示了它带来的便利。
单眼3D对象检测基于空间关系和脱钩深度预测
自主驾驶是未来的趋势。准确的3D对象检测是实现自动驾驶的先决条件。目前，3D对象检测依赖于三个主要传感器：单眼相机，立体声摄像机和LIDAR。与基于立体摄像机和激光镜头的方法相比，单眼3D对象检测提供了优势，例如广泛的检测字段和低部署成本。但是，现有的单眼3D对象检测方法的准确性不是理想的，尤其是对于遮挡目标。为了应对这一挑战，本文引入了一种新颖的方法，用于单眼3D对象检测，称为SRDDP-M3D，旨在通过考虑目标之间的空间关系，并通过脱钩方法来改进深度预测，以改善单眼3D对象检测。我们考虑如何在环境中相对于对象相对于对象的定位，并编码相邻对象之间的空间关系，对于遮挡的目标，检测性能是专门提高的。此外，还引入了将目标深度预测到目标视觉深度和目标属性深度的两个组成部分的策略。此解耦旨在提高预测目标整体深度的准确性。使用KITTI数据集的实验结果表明，这种方法显着提高了闭塞靶标的检测准确性。
运动缺陷皮质脊髓束预测术后动静脉畸形及脑辅助评估的空间关系
材料与方法：回顾性分析83例行显微手术切除涉及运动相关区域的脑动静脉畸形患者，利用TOF-MRA和DTI的人工智能技术计算4项人工智能指标，包括FN 5mm/50mm（距病灶边界5～50mm范围内的纤维数目比例）、FN 10mm/50mm（距病灶边界5～50mm范围内的纤维数目比例）、FP 5mm/50mm（距病灶边界5～50mm范围内的纤维体素点比例）、FP 10mm/50mm（距病灶边界5～50mm范围内的纤维体素点比例），采用单因素及多因素分析各指标与术后远期运动功能障碍的关系。使用最小绝对值收缩和选择算子回归与皮尔逊相关系数来选择最佳特征，以开发机器学习模型来预测术后运动缺陷。计算曲线下面积以评估预测性能。
运动缺陷皮质脊髓束预测术后动静脉畸形及脑辅助评估的空间关系
材料与方法：回顾性分析83例行显微手术切除涉及运动相关区域的脑动静脉畸形患者，利用TOF-MRA和DTI的人工智能技术计算4项人工智能指标，包括FN 5mm/50mm（距病灶边界5～50mm范围内的纤维数目比例）、FN 10mm/50mm（距病灶边界5～50mm范围内的纤维数目比例）、FP 5mm/50mm（距病灶边界5～50mm范围内的纤维体素点比例）、FP 10mm/50mm（距病灶边界5～50mm范围内的纤维体素点比例），采用单因素及多因素分析各指标与术后远期运动功能障碍的关系。使用最小绝对值收缩和选择算子回归与皮尔逊相关系数来选择最佳特征，以开发机器学习模型来预测术后运动缺陷。计算曲线下面积以评估预测性能。
局灶性癫痫手术中MRI病变与术中电摄影之间的空间关系
MRI和术中电视学经常在串联中用于描绘癫痫手术中的癫痫组织以进行局灶性癫痫。在电视学上具有高电图的MRI病变和组织的切除，例如尖峰和高频振荡（80-500 Hz）导致更好的手术结局。但是，目前未知的MRI和电图标记方式是未知的。这项研究的目的是找到MRI病变与尖峰/高频振荡之间的空间关系。我们回顾性地包括33例儿科和成年病毒新皮质癫痫患者，他们接受了电视学诊断手术（14个女性，中位年龄= 13.4岁，范围= 0.6-47.0岁）。临时病变被浮出水面。我们使用单变量的线性回归来发现电极上的切除前尖峰/高频振荡速率与其与MRI病变的距离之间的相关性。我们测试了直线至MRI病变的中心和边缘，以及沿皮质表面的距离，以确定哪些距离最能反映出尖峰/高频振荡的发生。我们进行了主持人分析，以研究潜在的病理类型和病变体积对我们结果的影响。我们发现尖峰和高频振荡速率在空间上与MRI病变边缘相关。在局灶性皮质发育不良中，较高的波纹速率与较短的距离相同[F（1,570）= - 0.35，p <0.0001，η2= 0.05]。这提倡切除该组织。潜在的病理类型影响了尖峰/高频振荡速率与MRI病变之间的空间关系（P尖峰<0.0001，P波纹<0.0001），而病变体积没有（p Spikes = 0.64，P ripples = 0.89）。较高的尖峰速率与海绵体的病变边缘的距离短[F（1,64）= - 1.37，p <0.0001，η2= 0.22]，局灶性皮质倍增倍数[F（1,570）= -0.25，p <0.25，p <0.0001，p <0.0001，p <0.0001，η2= 0.005] F（1,66）= - 0.18，p = 0.01，η2= 0.09]。相反，低级神经胶质瘤显示出正相关。电极远离病变，尖峰的速率越高[F（1,75）= 0.65，p <0.0001，η2= 0.37]和波纹[F（1,75）= 2.67，p <0.0001，η2= 0.22]。特定于某些病理类型的病理生理过程决定了MRI病变和电皮质学结果之间的空间关系。在我们的分析中，非肿瘤病变（局灶性皮质增生症SIAS和海绵体）似乎本质上会产生尖峰和高频振荡，尤其是在病变的边界。低度神经胶质瘤在周围组织中引起癫痫发作。该组织的切除是否会导致更好的预后。我们的结果表明，当解释术中电物质摄影时，应考虑潜在的病理类型。
行走过程中谷物肌肉表面EMG活性与地面反作用力的垂直成分之间的时间和空间关系
健康的成年人（29♀; 25♂;年龄62.6±7.0岁）以10 m的人行道（十个试验/速度）自我选择的缓慢，正常和快速的步行速度行走。双边配对的八个巨星条在更大的troshanter和iLiac Crest之间的垂直线的中部水平排列。关于腹侧方向，将每个条带的中心放在该垂直线上。最初，这些信号是单极采样的，但是八个垂直定向的双极通道覆盖了从腹侧到背侧的整个臀区（P1至P8）（随后通过减去身体两侧的每个电极条带的相应电极的相应电极的信号）来计算。三个垂直双极通道代表张量筋膜（TFL； P2），臀大肌（GMED，SENIAM位置； P4和P5的平均值）和Maximus Maximus Muscles（Gmax; P7）。
T-BIM技术白皮书-华为运营商
· 空间附属关系通过放置、安装等行为，定义一个实体与其他附属实体之间的依赖空间关系。当附属实体的空间位置发生变化时，如果能够影响实体的空间位置，则两个实体之间形成空间附属关系。空间附属关系使用基础属性元素集中的空间附属属性来记录。