XiaoMi-AI文件搜索系统
World File Search System视频流
EUI 学术出版物和数据 2022
EUI 成员必须将其出版物纳入 Cadmus。当 EUI 成员将 Cadmus 中列出的出版物连接到 EUI Cadmus https://cadmus.eui.eu/ORCID/ 时，这些出版物会自动推送到 EUI 成员的 ORCID 个人资料中。这项服务是图书馆 ORCID 成员促进 ORCID-Cadmus 整合的结果。自 2022 年 12 月以来，Cadmus 的一个新方面和新功能是 EUI 杰出讲座和 EUI 博士和硕士论文录制演示的音频/视频流可能性。EUI 图书馆通过与出版商达成的“变革性和特殊协议”以及自 2022 年以来通过“EUI 文章处理费 (APC) 基金”支持 EUI 学术界成员出版开放获取。图书馆还设有公平开放科学计划专项基金，旨在支持非营利形式的 OA。
AIVC：基于人工智能的视频编解码器
数字技术正成为我们日常生活中日益重要的一部分。这对环境产生了重大影响，这是由设备数量不断增加（数据中心、网络设备、用户终端）造成的。尤其是视频流，它占了互联网总流量的 75% 以上 [1]，因此造成了很大一部分影响。因此，减小通过互联网交换的视频的大小可以减轻数字技术带来的一些不便。MPEG 和 ITU 等标准化组织已经发布了多项视频编码标准（2003 年的 AVC [2]、2013 年的 HEVC [3] 和 2020 年的 VVC [4]），在保持可接受的视觉质量的同时减小了视频的大小。最近，压缩社区正在研究基于神经的编码器。在短短几年内，它们的图像编码性能已达到与 VVC [5] 相当的水平。然而，由于额外的时间维度，视频编码对于神经编码器来说仍然是一项具有挑战性的任务。
电池供电摄像头和视频门铃的电源轨设计
触发事件始终需要通电以便事件能够及时响应。PIR 主要应用于电池供电的摄像机，以检测是否有人接近。有时，PIR 不适合某些容易暴露在阳光下的位置，因为会引起多次误报并唤醒整个系统。低成本的 mmWave（IWRL6432）探测器没有这样的担忧。该探测器仅通过多普勒方式检测运动，并且不受温度和光的影响。Wi-Fi 不仅是传输视频流的主要方式，Wi-Fi 还需要接收远程命令，例如开始录制命令。但 Wi-Fi 连接的功耗并不小，因此有一些方法可以改进它，例如使用 Wi-Fi6 的 TWT、使用间歇工作和睡眠的 Wi-Fi SOC、使用 Sub-1GHz 私有协议连接特殊远程站等。 TI Wi-Fi SOC CC3235 专为低功耗而设计，休眠模式下仅为 4.5 uA，深度睡眠模式下仅为 120 uA。
优化电力电子技术以适应人工智能、机器学习和云应用
人工智能、机器学习、加密货币挖掘和云计算等新的数据中心应用加速了对更紧凑外形中更强大处理能力的需求。这种需求增加了视频流等传统活动的基本负荷。一个不可避免的后果是能源需求大幅增加。根据国际能源署 (IEA) 的数据，到 2026 年，数据中心（包括用于人工智能和加密货币的数据中心）的电力消耗可能会翻一番。数据中心是许多地区电力需求增长的主要驱动力。2022 年全球数据中心的总电力消耗估计为 460 太瓦时 (TWh)，到 2026 年，数据中心的总电力消耗可能达到 1,000TWh 以上。这一需求大致相当于日本的电力消耗 [1] 。预计这些数字还将进一步上升，从而为提高数据中心内电力输送网络的效率提供环境和商业激励。
人工智能 3D 视频会议
我们提出了一种人工智能介导的 3D 视频会议系统，该系统可以使用消费级计算资源和最少的捕获设备重建并自动立体显示真人大小的说话头部。我们的 3D 捕获使用一种新颖的 3D 提升方法，将给定的 2D 输入编码为用户的高效三平面神经表示，可以从新颖的视点实时渲染。我们基于人工智能的技术大大降低了 3D 捕获的成本，同时以传统 2D 视频流为代价在接收端提供高保真的 3D 表示。我们基于人工智能的方法的其他优势包括能够同时容纳照片级和风格化的化身，以及能够在多向视频会议中实现相互目光接触。我们演示了我们的系统，使用跟踪立体显示器提供个人观看体验，并使用光场显示器提供房间规模的多观众体验。
迈向 B5G/6G 网络中 QoE 预测的可信人工智能
摘要 预测体验质量 (QoE) 指标的能力对于未来 B5G/6G 网络提供的多种应用和服务至关重要。然而，QoE 时间序列预测迄今为止尚未得到充分研究，主要是因为缺乏可用的真实数据集。在本文中，我们首先介绍了一种从真实的 5G 网络模拟中获得的新型 QoE 预测数据集，该数据集以视频流应用的服务质量 (QoS) 和 QoE 指标为特征；然后，我们接受了在采用 AI 系统解决 QoE 预测任务时可信度的热门挑战。我们展示了如何有效利用可解释人工智能 (XAI) 模型（即决策树）来解决预测问题。最后，我们将联邦学习确定为隐私保护协作模型训练的合适范例，并从算法和 6G 网络支持的角度概述了相关挑战。
数据中心和人工智能的电力需求增长及其对天然气发电的影响
全球经济的数字化转型引发了数据生成和处理的空前激增，云计算、大数据分析和在线服务已成为现代商业运营不可或缺的一部分。这一转型的核心是人工智能 (AI) 的快速发展，尤其是生成式人工智能，其数据密集型机器学习模型需要非凡的计算能力。这种由人工智能驱动的增长，加上移动数据网络、视频流、物联网 (IoT) 设备以及加密货币挖矿等能源密集型应用的日益普及，给数据中心带来了巨大的扩容压力。到 2030 年，全球数据中心市场预计将以超过 10% 的复合年增长率增长，超大规模设施预计将占据主导地位，将数据中心总建筑面积推至 3 亿平方英尺以上。这种爆炸式扩张凸显了对可扩展基础设施的迫切需求，以满足对数据处理和存储的急剧增长的需求。
使用深度学习的实时图像动画
该项目深入研究基于深度学习的图像动画，采用有条件的生成模型，例如生成对抗网络（GAN）和变异自动编码器（VAE）。在包含图像序列对的数据集上训练，这些模型将单个输入图像转换为连贯和新颖的动画，从而模拟自然运动和转换。使用TensorFlow在Jupyter Notebook环境中引入了交互式图像动画系统，以实现深度学习能力。利用OPENCV，FFMPEG，IMAGEIO，PIL和SCIKIT-IMAGE用于图像和视频处理，该系统将IPYTHON小部件结合在一起，用于增强用户交互。该技术在实时视频流中也起着至关重要的作用，提供动态的视觉内容而无需手动逐帧动画。该项目利用了深度学习的力量，以消除手动努力，为在不同领域的有效和现实的内容创建开辟了新的可能性。
弗格森声明社交媒体 6B
报告最精彩的部分在于揭示社交媒体和视频流服务 (SMVSS) 对我们数据的收集、汇总、共享和无限期存储。SMVSS 收集、汇总、披露和无限期存储的私人和泄露信息量令人震惊。许多此类公司向消费者提供服务时都声称“免费”——也就是说，不要求付费服务。客户不用付费，而是用数据来支付，这些数据推动了为这些服务付费的在线广告。因此，SMVSS 有充分的动机建立我们的个人信息档案——从最平凡的事实到最私密的细节——并使用它们来销售和展示定向广告。有时，这些信息仍属于收集这些信息的公司内部。但通常情况下，他们会与关联公司或其他第三方共享这些信息，包括中国等外国的实体，而收集这些信息的公司对这些实体没有任何控制权。 7F 8 这些信息通常会无限期地保留，8F 9 美国用户通常没有合法权利要求删除其个人信息。公司通常会汇总和匿名化收集的数据，但这些信息通常可以重新组合以轻松识别用户。9F 10
大数据与信息物理系统相遇：全景调查
摘要 — 世界正在见证信息物理系统 (CPS) 前所未有的增长，预计它将通过在环境监测、移动医疗系统、智能交通系统等各个领域创造新的服务和应用，彻底改变我们的世界。信息和通信技术 (ICT) 行业的数据流量正在显着增长，这得益于智能手机、平板电脑和视频流的广泛使用，以及预计在不久的将来传感器部署的显着增长。预计原始感测数据的增长率将显著提高。在本文中，我们通过提供数据收集、存储、访问、处理和分析的广泛概述来介绍 CPS 分类法。与其他调查论文相比，这是第一次对 CPS 大数据进行全景调查，我们的目标是提供不同 CPS 方面的全景摘要。此外，CPS 需要网络安全来保护其免受恶意攻击和未经授权的入侵，这对于网络中不断生成的大量数据来说是一个挑战。因此，我们还概述了针对 CPS 大数据存储、访问和分析提出的不同安全解决方案。我们还讨论了大数据在 CPS 背景下应对绿色挑战的问题。