XiaoMi-AI文件搜索系统
World File Search System虚幻
用于虚幻面部检测的大脑网络
1 关于术语的一些说明：在整篇文章中，我们将使用“幻觉面部检测任务”这一术语来表示一种范式，在该范式中，受试者被指示在纯噪声图像中检测面部。重要的是要记住，这项任务不同于典型的“幻觉范式”。在典型的幻觉中（例如 Kanizsa 三角形中的幻觉轮廓），对感官输入的误解主要是由呈现的刺激的特定方面引起的，而在幻觉面部检测任务中，面部感知主要由指令驱动。此外，在一些研究中，术语“幻想性错视任务”与“幻觉面部检测任务”同义使用。幻想性错视被定义为“将感官输入误认为另一个不相关的对象、模式或含义的现象”。最常见的例子是面部幻想性错视，即对日常物体中面部的幻觉感知。使用此定义，“幻觉面部检测”范式可能被归类为“面部幻想性错视”范式。然而，在神经影像学文献中，面部幻想性错视通常使用具有类似面部特征的刺激物以不同的范式进行评估（例如 Dolan 等人 1997 年；Kanwisher 等人 1998 年；Wardle 等人 2020 年）。为了使用一致的术语，我们使用术语“幻觉面部检测”而不是“面部幻想性错视”。
使用虚幻引擎中的人工智能进行游戏开发
简单的“基于网格的寻路”，其中地形被映射到均匀正方形的刚性网格上，并将寻路算法（例如 A* 或 IDA*（图形遍历））应用于网格。[8][9][10] 有些游戏不只是使用刚性网格，而是使用不规则多边形，并从 NPC 可以步行到的地图区域组装导航网格。[8][11] 作为第三种方法，开发人员有时可以方便地手动选择 NPC 应该用来导航的“路径点”；但代价是，这样的路径点可能会产生不自然的运动。此外，在复杂环境中，路径点的表现往往比导航网格差。[12][13] 除了静态寻路之外，导航是游戏 AI 的一个子领域，专注于让 NPC 能够在动态环境中导航，找到通往目标的路径，同时避免与其他实体发生碰撞。相比改进游戏 AI 以妥善解决虚拟环境中的难题，修改场景使其更易于处理往往更具成本效益。如果寻路因特定障碍物而陷入困境，开发人员可能最终会移动或删除该障碍物。[14] 2. 文献综述
从人类大脑活动重建视觉虚幻体验
视觉错觉为大脑在感官输入下对世界的解释提供了宝贵的见解。然而，大脑活动转化为幻觉体验的确切方式仍然很大程度上未知。在这里，我们利用大脑解码技术结合深度神经网络 (DNN) 表示将幻觉感知重建为大脑活动的图像。重建模型在自然图像上进行训练，以建立大脑活动与感知特征之间的联系，然后在两种类型的错觉上进行测试：虚幻线条和霓虹色扩散。重建揭示了与幻觉体验一致的线条和颜色，这些线条和颜色在源视觉皮层区域有所不同。这个框架提供了一种将主观体验具体化的方法，揭示了大脑对世界的内部表征。
用材料校准在虚幻引擎中执行逼真的地震模拟
地震会严重影响社会和经济，强调有效搜索和救援策略的需求。作为AI和机器人技术，越来越多地支持这些努力，对培训的高保真性，实时模拟环境的需求已变得紧迫。地震模拟可以视为复杂的系统。传统的仿真方法，主要集中于计算单个建筑物或简化建筑集聚的复杂因素，通常在为城市环境提供现实的视觉效果和实时结构性损害评估方面通常不足。为了解决这一缺陷，我们基于虚幻引擎中的混乱物理系统引入了一个实时的，高视觉的忠诚地震仿真平台，该平台是专门设计的，旨在模拟对城市建筑的损害。最初，我们使用遗传算法根据现实世界测试标准将来自ANSYS的材料模拟参数校准到虚幻发动机的断裂系统中。此对齐确保在实现实时功能的同时，确保两个系统之间的结果相似。另外，通过整合真实的地震波形数据，我们改善了模拟的真实性，确保它准确地反映了历史事件。所有功能都集成到视觉用户界面中，从而实现零代码操作，从而有助于通过跨学科用户进行测试和进一步开发。我们通过三个基于AI的任务来验证平台的有效性：相似性检测，路径计划和图像分段。本文建立在我们在IMET 2023上介绍的初步地震模拟研究的基础上，并具有显着的增强，包括改善材料校准工作流程和结合建筑基础的方法。
概念化AI解释与用户代理之间的关系
在某些情况下，XAI系统无法尊重用户输入[40]。系统应该如何反应？对于低风险场景，虚幻的代理可能是一个有用的工具。游戏设计师将其用作保留其僵化的游戏故事的补充机制[11，31]。为了允许持续的用户代理，用户能够观察其输入的效果，但输入对基础算法没有影响。Vaccaro等。[43]在社交媒体环境中显示，无论其有效性如何，用户“对控制的存在更加满意”。一些已经利用虚幻代理的日常系统包括人行横道按钮和电梯闭门按钮。虚幻的代理只能设计出在低风险场景中已经存在的“真实”代理体验，以避免用户欺骗并最大程度地减少道德问题的影响。可能受益于虚幻的机构的这种情况的示例包括在培训环境中的XAI系统[16]。
视觉知觉学习在虚幻的远距离空间中有效，但在近距离空间中无效
摘要 在近体空间 (PPS) 中，与远离身体的物体相比，靠近身体的物体的视觉形状辨别速度更快。当感知深度基于 2D 图像提示时，PPS 中的视觉处理也会增强。从相对低级（检测、大小、方向）到高级视觉特征（面部处理），都观察到了这种优势。虽然多感官联想也显示出近端优势，但 PPS 是否影响视觉感知学习仍不清楚。在这里，我们研究了感知学习效果是否会根据视觉刺激与观察者的距离（近或远）而变化，这是通过利用庞佐错觉幻觉诱导的。参与者执行了视觉搜索任务，他们报告了干扰项中是否存在特定目标物体方向（例如，指向下方的三角形）。在近距离（近组）或远距离（远组）练习视觉搜索任务（每天 30 分钟，持续 5 天）之前和之后评估表现。结果表明，在近距离空间进行训练的参与者没有进步。相比之下，在远空间进行训练的参与者在远空间和近空间的视觉搜索任务中都表现出了进步。我们认为，远空间训练后的这种进步是由于在远空间中更多地部署了注意力，这可以使学习更有效，并可以跨空间推广。
对象识别的深神经网络模型中的生成感知推断会引起虚幻的轮廓和形状
虚幻的轮廓和塑造突出了自然和人造视力如何感知世界之间的巨大差距。在这项研究中，我们表明，模式识别模型体现了一个生成模型，该模型整合了pi脚先验和感官处理。我们介绍了一种新型的感知算法，生成感知推理（GPI），该算法通过在早期层中积累传播误差来迭代地更新激活。鉴于Kanizsa正方形作为针对可靠对象分类的深神经网络（DNN）的输入，我们的结果表明，运行GPI导致了感知到的“白色广场”区域中类似边缘模式的出现。此外，当GPI用鲁宾的花瓶图像作为输入应用于同一DNN时，它会创建类似花瓶的模式，而GPI在具有相同体系结构的DNN中，但对面部识别进行了优化，从而创建了类似面部的模式。因此，我们通过可捕获有关动物和人类幻觉的实验发现的可构成图像计算算法发现了自然图像事先与虚幻轮廓和形状感知之间的直接联系。更广泛地，这项工作将视觉皮层的视图既是统一框架中的模式识别和生成模型。
社交媒体作为信息战
通过社交媒体进行虚假信息的流动，再加上虚幻的真实效应，将社交媒体建立为信息战（IW）的新兴威胁。虚幻的真理效应是一种反复看到信息的想法，使它更有可能被视为真实。人工智能（AI）可以创建包含虚假信息的文章，然后将其分发给公众。这些文章完全是计算机生成的，几乎不需要人类的输入。量子计算可以进入大多数计算机加密，并具有将虚假信息放入受信任的在线格式中的能力。社交媒体是人们收到新闻的主要方式，这种虚假信息的侵犯将导致对新闻来源的信任降低，从而导致对民主的信任类似。社交媒体与AI和量子计算结合使用，可以轻松分发虚假信息并立即阅读。取决于基于虚幻的真理效应的传播频率，也可以认为这是真实的。人工智能目前正在进一步发展，量子计算也是如此。在未来十年内，技术能力的增长将以新的和危险的方式将社交媒体进一步带入信息战。为了取得成功，美国有必要检查社交媒体及其在信息战中的作用，并将其采用到美国战术中。本文将证明，虚假信息与虚幻的真理效应相结合将建立社交媒体作为IW的强大工具。
siyuan luo
人工智能与机器人技术中心（CAIR）香港科学与创新研究所（医学模拟集团）香港，中国研究助理7月。2024 - 2024年11月，可区分的模拟控制和触觉模拟循环集成Hoyoverse（模拟和高性能小组）上海，中国计算机图形研究工程师7月。2023 - 3月。2024 GPU友好的实时大型布料和发型，虚幻发动机开发，实时空间音频Ø设计代码库，用于高性能布和发型gpu求解器，使用高级CUDA功能和cudagraph。Ø将我们的求解器与虚幻的引擎相结合，并为虚拟角色“ Lumi”建立数字人类项目。Ø优化用于CPU并行化布模拟管道的虚幻混乱系统。Ø开发新的基于GPU的实时空间音频并与Unity Engine集成。Mihoyo（仿真和高性能小组）上海，中国模拟研究工程师（实习生）3月2022 - 2022年9月GPU友好的布求解器开发Ø设计新的颜色图形算法，用于在布模拟中高度平行的数值方法。Ø与布料模拟中的高斯 - 塞德尔求解器相比，具有更快的优化速度和更少的伪影。Ø实施GPU内核发射管道用于布模拟。w orking a Wibers
平衡质量和数量：合成数据对计算机视觉中烟雾检测准确性的影响
我们使用了两个合成的烟雾管道：1）质量较低，但很快产生了用虚幻发动机产生的烟雾，2）质量较高，但会产生NVIDIA Omniverse的烟雾缓慢。在两个管道中，当合成数据构成约30％的初始训练数据的30％时，我们发现半决器的表现达到峰值。此外，较高质量的数据提高了训练精度约5％，而质量较低的数据则增加了2.5％。然而，Omniverse的一代速度比虚幻的速度慢约12％。最后，与非合成烟相比，我们剖析了产生的烟雾特征的质量。这些结果证明了开发方法的有用性，这些方法可以通过分析其在烟雾检测和类似应用中提高模型性能的能力来确定合成数据的价值。