XiaoMi-AI文件搜索系统
World File Search System视觉的
语言模型作为视觉的黑盒优化器...
在Web-scale数据集中预先训练的视觉语言模型（VLMS）在用最小数据调整时，在下游任务上表现出了显着的功能。但是，许多VLM依赖于专有数据，而不是开源数据，这限制了使用白色框的使用进行精细调整。因此，我们旨在开发一种黑匣子方法来通过自然语言提示来优化VLM，从而避免需要访问模型参数，功能嵌入甚至输出逻辑。我们采用基于聊天的LLMS来搜索VLM的最佳文本提示。特别是，我们采用了一种自动的“爬山”程序，该程序通过评估当前提示的性能并要求LLMS根据文本反馈来对其进行融合，从而将其融合到有效的提示中，所有这些程序都在没有人类的对话过程中进行了反馈。在具有挑战性的1-Shot图像分类设置中，我们的简单方法平均超过了白色框连续提示方法（COP）1。在包括Imagenet在内的11个数据集中有5％。我们的方法还优于人工工程和LLM生成的提示。我们高出了对话反馈的优势，该反馈既不是正面和负面提示，表明LLM可以在文本反馈中利用隐式“梯度”方向，以进行更有效的搜索。此外，我们发现通过我们的策略生成的文本提示不仅更容易解释，而且还以黑盒方式在不同的VLM架构上良好地转移。最后，我们在最先进的Black-Box VLM（DALL-E 3）上演示了我们的框架，以进行文本对图像优化。
使用计算机视觉的自行车道分析
该项目是评估应用于微型动力使用者的深度学习技术和计算机视觉技术的潜力的概念证明。 div>主要目的是开发和测试能够自动检测车辆，行人和轻型移动性的用户，估计其与用户的距离，并仅使用RGB摄像机的数据确定其在指定的自行车道中的存在。 div>
AG 30. 基于机器视觉的除草点喷洒
甘蔗产业的自动精准除草点喷洒技术有望提高产量，同时减少除草剂的使用。然而，基于杂草光学特性感知的商用技术通常仅限于检测土壤背景下的杂草（即检测棕色上的绿色），不适合检测生长中的作物中的杂草。机器视觉和图像分析技术可能使叶子的颜色、形状和纹理能够区分植物种类。国家农业工程中心 (NCEA) 开发了一种基于机器视觉的除草点喷洒演示装置，以甘蔗作物中的杂草 Panicum spp. (几内亚草) 为目标，这需要区分绿草杂草和绿草作物。该系统在夜间对成熟的几内亚草有效运行，但需要进一步研究使系统在更广泛的条件下运行（例如一天中的不同时间和作物生长阶段）。可能需要多光谱成像和形状分析等技术来实现更强大的杂草识别。考虑了机器视觉检测甘蔗作物中的几内亚草和其他杂草物种的影响。简介甘蔗作物中的杂草竞争会显著降低产量（Hogarth 和 Allsopp，2000 年），并可能缩短作物周期（即宿根数量）。自动化、有针对性的喷雾
对基于计算机视觉的物理康复和评估方法的审查
摘要计算机视觉社区已经广泛研究了人类运动分析的领域，该领域主要侧重于姿势估计，活动识别，姿势或手势识别等。对于许多应用，例如监测肌肉骨骼或身体障碍患者的功能康复，其要求是相对评估人类运动。在这项调查中，我们捕获了有关基于视觉的监测和身体康复的重要文献，该文献着重于对人类运动的比较评估，并讨论了该领域当前研究的状态。与该领域的其他评论不同，该评论是从临床目标写的，本文从计算机视觉应用程序的角度提出了该领域的研究。我们提出了自己对基于计算机视觉的康复和评估研究的分类法，这些分类法进一步分为子类别，以捕获每项研究的新颖性。审查讨论了由于人类运动异常的广泛范围和自动评估这些异常的困难，因此讨论了该领域的挑战。最后，提供了有关未来研究方向的建议。
timix：有效视觉的文本感知图像混合 - ...
自我监管的多模式对比度学习（SMCL）明显地通过使视觉和语言方式结盟现代视觉预训练（VLP）模型。由于网络收获的文本图像对中的噪音，因此在计算成本和数据效率低下方面，SMCL的培训数据量扩大了相当大的obs。为了提高VLP的数据效率，我们提出了文本感知图像混合（TIMIX），该图像混合（TIMIX）将基于混合的数据增强技术集成到SMCL中，从而在没有显着增加计算开销的情况下进行了显着的性能改进。我们从共同信息（MI）的角度提供了TIMIX的理论分析，表明跨模式对比度学习的混合数据样本隐含地充当对比损失的常规器。实验结果表明，即使在针对现有方法的基准测试时，Timix在下游任务上也表现出可比的性能，即使减少了训练数据和较短的训练时间。这项工作在经验上和理论上证明了数据混合对于数据有效和计算可行的VLP的潜力，从而使更广泛的VLP模型在实际情况下受益。我们的代码可在https://github.com/chaoyajiang/timix/tree/main上使用。
研究工作“嵌入了Arduino Nicla视觉的AI”
研究工作“与Arduino Nicla Vision嵌入了AI”背景为“技术系统中的Ki”的一部分，将提供许多AI加速的嵌入式板。这包括初始调试，包括必要外围的结构，为为该平台开发AI模型的必要软件环境以及第一个AI应用程序的实现。作为这项工作的一部分，将使用供专业使用的Arduino Nicla Vision（https://docs.arduino.cc/hardware/nicla Vision/）使用。这将在第一个计算机视觉算法中实现。要求
使用计算机视觉的编织式音乐界面
本文描述了一种音乐表达的新乐器，该乐器从编织中制作音乐。此接口仅使用针织针，纱线和计算机作为硬件。笔记本电脑上的网络摄像头输入实时捕获玩家编织，定制的maxmsp补丁处理传入的数据流。使用计算机视觉原理检测到运动，以识别表演者针迹的形状，线条和运动。手势然后将表演者的使用映射到合成器，该合成器根据玩家在编织和purl时根据玩家的移动方式产生Music。每个性能都因表演者编织的速度，前者的技术编织风格，针刺上的针迹的种类，性能期间使用的纱线的颜色和纹理以及编织项目的大小。
基于视觉的飞机检测与跟踪，用于检测和避免
我们解决这个问题的方法遵循两阶段流程：（1）自我运动估计和（2）检测和跟踪。这两个阶段都是全卷积神经网络，可以扩展到高分辨率输入。它们在 Amazon Prime Air 发布的标记数据集上进行训练，该数据集包含 330 多万张飞机、直升机、无人机和其他飞行物体的图像。我们还开发了自己的飞机数据收集系统，并设计了用于飞行中遭遇的定制视觉 DAA 有效载荷。通过对现实世界数据进行实证评估，我们的方法与两种基线检测和跟踪架构进行了比较，结果显示我们的方法更胜一筹。在 DAA 行业标准 (ASTM F3442/F3442M - 20) 的背景下分析我们的定量结果，我们还表明，所提出的方法可以满足某些类别无人机的视觉 DAA 监视要求，这些无人机的最低巡航速度为 60-90 节，最小转弯速率为 21-31 度/秒，最小爬升率为 250-500 英尺/分钟。