1.Large Selective Kernel Network for Remote Sensing Object Detection(ICCV 2023)
超分辨率(SR)和图像生成是计算机视觉中重要的任务,在现实应用中得到广泛采用。然而,大多数现有方法仅在固定放大倍数下生成图像,并且容易出现过平滑和伪影。此外,在输出图像的多样性和不同尺度下的一致性方面也不足。大部分相关工作应用了隐式神经表示(INR)到去噪扩散模型中,以获得连续分辨率的多样化且高质量的SR结果。由于该模型在图像空间中操作,所以产生分辨率越大的图像,需要的内存和推理时间也越多,并且它也不能保持尺度特定的一致性。
今天为大家介绍的是来自Hailong Li,Ka-Chun Wong和Hengtong Zhang团队的一篇论文。基于结构的生成方法在计算机辅助药物发现中至关重要,它通过探索广阔的化学空间来设计与靶点高亲和力结合的配体。然而,传统的计算机模拟方法受限于计算效率低下,而机器学习方法则因自回归采样面临瓶颈。为了解决这些问题,作者开发了一种条件深度生成模型PMDM,用于生成符合特定靶标的三维分子。
2023年12月1日,上海交通大学徐雷教授、涂仕奎老师团队在Briefings in Bioinformatics上发表文章KGDiff: towards explainable target-aware molecule generation with knowledge guidance。
作为图像编辑的常用操作,图像合成(image composition)旨在把一张图片的前景物体和另外一张背景图片结合起来得到一张合成图(composite image),视觉效果类似于把一张图片的前景物体传送到另外一张背景图片上,如下图所示。图像合成在艺术创作、海报设计、电子商务、虚拟现实、数据增广等领域有着广泛应用。
在图像编辑的常用操作中,图像合成 (image composition) 指在把一张图片的前景物体和另外一张背景图片结合起来得到一张合成图 (composite image),视觉效果类似于把一张图片的前景物体传送到另外一张背景图片上,如下图所示。
癌细胞经常通过癌症转移调控自身的新陈代谢,进而来有效地支持细胞增殖和存活。因此,因恶性肿瘤转移造成的死亡占癌症整体发病的 95%。2019 年 6 月 27 日,国际 TOP 杂志 Nature 在线发表了中科院上海生化与细胞研究所杨巍维课题组与中科院大连化学物理研究所李国辉课题组合作的题为 “UDP-glucose accelerates SNAI1 mRNA decay and impairs lung cancermetastasis ”的研究成果。研究首次揭示了糖醛酸代谢通路中的尿苷二磷酸葡萄糖(UDP-Glc)抑制肺癌转移的新功能及作用机制,建立了代谢小分子调控蛋白质功能的新模式,为肺癌转移的监测和阻断提供了新的靶点和生物标志物(该文章中使用了 — p38α 抑制剂- Doramapimod)。
机器之心报道 机器之心编辑部 在 AI 绘画领域,很多研究者都在致力于提升 AI 绘画模型的可控性,即让模型生成的图像更加符合人类要求。前段时间,一个名为 ControlNet 的模型将这种可控性推上了新的高峰。大约在同一时间,来自阿里巴巴和蚂蚁集团的研究者也在同一领域做出了成果,本文是这一成果的详细介绍。 论文地址:https://arxiv.org/pdf/2302.09778v2.pdf 项目地址:https://github.com/damo-vilab/composer 近年来,在大数据上学习
机器之心专栏 机器之心编辑部 本文提出了一种简单有效的方法来实现不同扩散模型之间的合作。 近一两年,扩散模型 (diffusion models) 展现出了强大的生成能力。不同种类的扩散模型性能各异 —— text-to-image 模型可以根据文字生成图片,mask-to-image 模型可以从分割图生成图片,除此之外还有更多种类的扩散模型,例如生成视频、3D、motion 等等。 假如有一种方法让这些 pre-trained 的扩散模型合作起来,发挥各自的专长,那么我们就可以得到一个多功能的生成框架。比
早起版本中先测试,分析了这些部署所产生的数据,以进一步改进 DALL-E 3 在风险领域的行为,如公众人物世代、人口偏见和sexual内容。我们发现,在试验中,包含人物描写的图片主要倾向于白人、年轻人和女性。为此,我们调整了 ChatGPT 的的用户提示转换,以指定更多样化的人物描述。
近一两年,扩散模型(diffusion models)展现了强大的生成能力。不同种类的扩散模型各显神通 —— text-to-image模型可以根据文字生成图片,mask-to-image模型可以从分割图生成图片,除此之外还有更多种类的扩散模型,例如生成视频、3D、motion等等。
近一两年,扩散模型 (diffusion models) 展现出了强大的生成能力。不同种类的扩散模型性能各异 —— text-to-image 模型可以根据文字生成图片,mask-to-image 模型可以从分割图生成图片,除此之外还有更多种类的扩散模型,例如生成视频、3D、motion 等等。
2017年6月12日横空出世,让NLP直接变天,制霸自然语言领域多年的Transformer,终于要被新的架构打破垄断了。
金属酶是有希望的抗癌候选物,其通过独特的机制来克服化学耐药性。迄今为止,获得具有持久催化性能的合成金属酶对于癌症特异的DNA切割和成像仍然是一个巨大的挑战。在这里,北京工业大学化学化工系高学云和中科院高能物理所赵丽娜精心构建了牢固地锚定在与肿瘤靶向肽结合的牛血清白蛋白中铜簇的人造金属酶。
最近的工作表明,使用具有质量奖励的强化学习(RL)可以提高文本到图像(T2I)生成中生成图像的质量。然而,多个奖励的简单聚合可能会导致某些指标的过度优化和其他指标的退化,并且手动找到最佳权重具有挑战性。所以非常需要一种有效的策略来联合优化 RL 中的多种奖励以生成 T2I。
在许多企业中,每天业务人员和客户的沟通都会产生大量记录,这些记录可能包括了客服的沟通数据(通话记录、通话小结),也可能包括了各式各样的报告数据(陪访报告、征信报告等)(见图1)。
今天给大家介绍的是来自加州理工大学Zhuoran Qiao和NVIDIA团队发表在arxiv上的预印本《DYNAMIC-BACKBONE PROTEIN-LIGAND STRUCTURE PREDICTION WITH MULTISCALE GENERATIVE DIFFUSION MODELS》。作者提出了一种名为NeuralPLexer的扩散模型框架,这一框架能够利用蛋白的骨架模板以及分子图的输入,快速预测蛋白-配体复合物的结构以及它们的波动。另外,本文发现当NeuralPLexer应用于蛋白质折叠因为配体存在而显著改变的系统时,这一框架可以完善类结合态蛋白的结构。这一结果表明,数据驱动的方法可以捕获蛋白质和小分子实体之间的结构协作性,为新药物靶点的计算识别和功能小分子和配体结合蛋白的端到端可微设计展示了方向和前景。
2024年4月25日,David Baker教授团队在Science上发表最新研究Expansive discovery of chemically diverse structured macrocyclic oligoamides。
论文标题:LRDif: Diffusion Models for Under-Display Camera Emotion Recognition
When trying additional parameters, consider the following ranges:
开发用户友好的 3D 表征和编辑算法是计算机视觉领域的一个关键目标。NeRF等隐式三维表征具有高保真的渲染能力,但其限制了对场景部分的直接修改,使得编辑任务更为复杂,阻碍了实际应用。基于这些挑战,本文额定研究重点是开发一种先进的三维编辑算法,该算法旨在灵活快速地编辑3D场景,集成隐式编辑(如基于文本的编辑)和显式控制(如特定区域修改的边界框使用)。为了实现这些目标,作者选择高斯表征(GS)进行实时渲染和显式点云表示。本文提出的 GaussianEditor 提供快速、可控和通用的 3D 编辑功能。单个编辑会话通常只需要 5-10 分钟,比以往的编辑过程快得多。本文的贡献可以概括为四个方面:
明敏 发自 凹非寺 量子位 | 公众号 QbitAI 只需12秒,只凭手机自己的算力,就能拿Stable Diffusion生成一张图像。 而且是完成了20次迭代的那种。 要知道,现在的扩散模型基本都超过了10亿参数,想要快速生成一张图片,要么基于云计算,要么就是要本地硬件够强大了。 而随着大模型应用逐渐普及开来,在个人电脑、手机上跑大模型很可能是未来的新趋势。 由此,谷歌的研究员们带来了这篇新成果,名字就叫Speed is all you need:通过GPU优化加速大规模扩散模型在设备上的推理速度。
这篇笔记,仅仅是对选择性算法介绍一下原理性知识,不对公式进行推倒. 前言: 这篇论文介绍的是,如果快速的找到的可能是物体目标的区域,不像使用传统的滑动窗口来暴力进行区域识别.这里是使用算法从多个维度
执行功能是涉及工作记忆/更新、设置转移和抑制等能力的高级认知过程。这些复杂的认知功能是由广泛分布的认知网络之间的相互作用实现的,由白质束支持。执行功能障碍在影响白质的神经系统疾病中很常见;然而,特定的神经束是否对正常的执行功能至关重要尚不清楚。我们回顾了在胶质瘤清醒手术中使用直接电刺激、基于体素、基于束和束的病变症状映射和弥散张量成像,以探索健康和受损成人白质束完整性和执行功能之间的关系的因果和相关证据。胼胝体始终与所有的执行过程相关,特别是它的前节段。因果关系和相关性证据都显示,上纵束显著支持执行功能,特别是工作记忆。更具体地说,强有力的证据表明,上纵束的第二分支对所有的执行功能都至关重要,特别是对灵活性。整体结果显示,语言任务的左侧偏侧化,而具有视觉需求的执行任务的右侧偏侧化。额束可能支持执行功能,然而,需要更多的证据来阐明它参与执行任务是否超出了语言的控制。越来越多的证据表明,连接皮质和皮层下灰质区域的右侧束网络支持评估反应抑制任务的执行,一些表明右丘脑前辐射的作用。最后,相关证据表明扣带束在执行功能中发挥了作用,特别是在评估抑制的任务中。我们根据目前关于这些神经束的功能作用的知识、对支持执行功能的大脑网络的描述以及对脑肿瘤患者的临床意义来讨论这些发现。
这篇论文介绍的是,如果快速的找到的可能是物体目标的区域,不像使用传统的滑动窗口来暴力进行区域识别。这里是使用算法从多个维度对找到图片中,可能的区域目标,减少目标碎片,提升物体检测效率。
本文原作者Chank,原题“如何设计一个亿级消息量的 IM 系统”,为了提升内容质量,本次有修订和改动。
一个准确且鲁棒的环境感知系统对于智能交通的发展至关重要,尤其是在自动驾驶车辆的情况下。满足J3016国际标准中规定的第5级自主性的要求,意味着需要具备在所谓的操作设计域之外进行操作的能力。不是在精心管理(通常是城市)的环境中,拥有大量专用基础设施。自动驾驶车辆(AVs)应该能够在不可控环境中运行,包括具有挑战性的天气、眩光、霾和雾造成的照明变化、标识不良的道路以及不可预测的道路使用者。
以躺在草坪上的男人为中心,将镜头画面按照 10 倍的比例不断扩展,你将看到一亿光年外的场景。
我用夸克网盘分享了「SD启动器下载」,点击链接即可保存。打开「夸克APP」,无需下载在线播放视频,畅享原画5倍速,支持电视投屏。 链接:https://pan.quark.cn/s/b16bc4d3ff88
内容一览:G 蛋白偶联受体 (GPCRs) 是一种将细胞膜外的刺激,传递到细胞膜内的跨膜蛋白,广泛参与到人体生理活动当中。近日,佛罗里达大学的研究者测定了 GPCRs 和 G 蛋白的结合选择性,并开发了预测二者选择性的算法,对这一选择性的结构基础进行了研究。
EC0489 是一种叶酸和去乙酰长春碱酰肼的偶联物,是叶酸受体(FR)的高亲和力配体。
*{margin:0;padding:0}html{-ms-text-size-adjust:100%;-webkit-text-size-adjust:100%;line-height:1.6}img{z-index:999;position:relative;max-width:100%;margin:10px 0;}body{-webkit-touch-callout:none;font-family:-apple-system-font,BlinkMacSystemFont,"Helvetica Neue","PingFang SC","Hiragino Sans GB","Microsoft YaHei UI","Microsoft YaHei",Arial,sans-serif;color:#333;letter-spacing:.034em}h1,h2,h3,h4,h5,h6{font-weight:400;font-size:16px;line-height:36px;}a{color:#576b95;text-decoration:none;-webkit-tap-highlight-color:rgba(0,0,0,0)}td,th{word-wrap:break-word;padding:5px 10px;border:1px solid #DDD;}table{margin-bottom:10px;border-collapse:collapse;display:table;width:100%!important;}.appmsg_skin_default .rich_media_area_primary{background-color:#fff}.appmsg_skin_default .rich_media_area_primary .weui-loadmore_line .weui-loadmore__tips{background-color:#fff}.rich_media_area_primary{padding:20px 16px 12px;background-color:#fafafa}@media (max-width:375px){.rich_media_area_primary{padding:20px 60px 15px 60px}.rich_media_area_extra{padding:0 60px 21px 60px}}@media (min-width:1024px){.rich_media_area_primary_inner,.rich_media_area_extra_inner,body{max-width:677px;margin-left:auto;margin-right:auto}.rich_media_area_primary{padding-top:32px}}.rich_media{padding:20px;}.appmsg_skin_default .rich_media_area_primary{background-color:#fff}.appmsg_skin_default .rich_media_area_primary .weui-loadmore_line .weui-loadmore__tips{background-color:#fff}@media screen and (min-width:1024px){.rich_media_area_primary_inner,.rich_media_area_extra_inner{max-width:677px;margin-left:auto;margin-right:auto}.rich_media_area_primary{padding-top:32px}}.rich_media_content{overflow:hidden;color:#333;font-size:17px;line-height:37px;;word-wrap:break-word;-webkit-hyphens:auto;-ms-hyphens:auto;hyphens:auto;text-align:justify;position:relative;z-index:0}.rich_media_content *{max-width:100%!important;box-sizing:border-box!important;-webkit-box-sizing:border-box!important;word-wrap:break-word!important}.rich_media_content p{clear:both;min-height:1em}.rich_media_c
磁共振成像(MRI)是利用原子核在磁场内所产生的信号经重建成像的一种技术。人体内的氢质子分布最广,含量最高。每一个氢质子可被视为一个小磁体,正常情况下,这些小磁体自旋轴的分布和排列是杂乱无章的,若人体置于一个强大的外磁场内时,这些小磁体的自旋轴将按磁场的方向重新有规律地排列,此时施加一个能够影响磁场方向的射频脉冲,使其产生共振,当射频脉冲停止后,磁场会恢复到原来的状态,并以射频信号的形式释放出吸收的能量,这个射频信号被接收后,经计算机处理再重建成图像。
算法:enhance_contrast滤波器是对比度增强滤波,首先计算局部区域最大值和最小值,然后查看当前点像素值最接近最大值还是最小值,最后替换为最大值或最小值。原始图像中每个像素与模糊图像中对应像素之间的亮度差异表示像素针对其相邻者的对比程度。该像素的亮度随后会与局部坐标对比度成比例变化。模糊之后更暗的像素必须比其相邻者更亮,因此其亮度会进一步提高,而如果像素在模糊之后更暗,则它甚至将变暗更多,在细节最显著的图像区域中选择性地增大对比度。钝化遮蔽的参数是像素半径(越过该半径的颜色会模糊)、该效果对亮度的改变程度以及对比度“阈值”(低于该阈值不会进行任何亮度变化)。
在刚刚过去的一个学期里,基本水逆了一整个学期,这学期基本没干什么活,就跟RCNN杠上了。首先是看论文,然后是网上找tensorflow写好的源码。但是,可惜的是网上给出的源码基本上是RCNN的主要作者Ross Girshick大神的代码,不同数据集换了下。因此为了理解源码,RCNN的处理过程,费劲去装了个ubuntu和win10的双系统并在Ubuntu上安装caffe,这就花费了近2周的时间。快速研究完RCNN的caffe源码之后,才转过来手写Fast RCNN的tensorflow版本的代码,这也花费了大量的时间,从踩坑到填坑再到踩坑。RCNN不是很好实现,SVM至今还没怎么看懂。接下来将会陆续更新RCNN->Fast RCNN->Faster RCNN系列的文章。在这篇文章中,主要讲解RCNN与Fast RCNN中获取图片中物体真实目标检测框的算法——选择性搜索算法。
阿尔兹海默症的动物模型表明,在淀粉样蛋白病理学的促进下,tau蛋白病理学的传播可能沿着相关的途径发生。为了在人类中研究这些想法,研究者将淀粉样蛋白扫描与纵向数据相结合,包括白质连接、海马体积、tau正电子发射断层扫描以及256名认知健康的老年人的记忆表现。海马体积基线越低,连接海马扣带束(HCB)的平均扩散率越高。HCB扩散率预测了淀粉样蛋白阳性个体后扣带皮层的下游连接区tau蛋白的积累,而非淀粉样蛋白阴性个体。此外,HCB扩散率预测了具有高后扣带皮层tau结合的淀粉样蛋白阳性个体的记忆衰退。研究者的结果提供了更高的淀粉样蛋白病理学的体内证据,强调了后扣带皮层下游HCB扩散率和tau积累之间的联系,并促进记忆衰退。这证实了淀粉样蛋白在增强神经衰弱和记忆衰退方面的关键作用,标志着临床前期的阿尔茨海默病的开始。
随着图像修复(IR)的发展,人们对 IR 结果的感知效果的期望显著提高。基于生成先验的 IR 方法,利用强大的预训练生成模型将高质量的生成和先验知识引入 IR ,在这些方面取得了重大进展。不断增强生成先验的能力是实现更优秀的IR结果的关键,模型缩放是一种关键且有效的方法。有许多任务从扩展中获得了惊人的改进,例如SAM 和大型语言模型。这进一步激励努力构建能够产生超高质量图像的大规模智能图像修复模型。然而,由于计算资源、模型架构、训练数据以及生成模型和 IR 的协作等工程限制,扩展 IR 模型具有挑战性。
反映知觉决策形成的动态神经信号的发现具有重大意义。这些信号不仅能让我们详细研究决策过程的神经执行过程,而且还能揭示大脑决策算法的关键要素。在很长一段时间里,这些信号只能通过侵入性记录来获取,而非侵入性记录技术的局限性阻碍了人类神经科学的进展。然而,最近研究方法的进展,使越来越多的研究人类大脑的信号可以动态的跟踪决策过程。在本文中,我们强调了人类的神经生理数据是如何被用来研究形成决策的多个处理水平的新见解,并为能够解释个体内部和个体间差异的数学模型的构建和评估提供信息,并研究辅助流程如何与核心决策过程相互作用。本文发表在Annual Review of Neuroscience杂志。
本文作者曹春水, 2013年获得中国科学技术大学本科学位。目前是中国科学技术大学与中国科学院自动化研究所联合培养的在读博士,将于2018年6月份博士毕业。主要研究方向是深度学习与计算机视觉,博士期间的工作分别被ICCV,AAAI和TPAMI接收。
使用生物配体的靶向药物递送可以提高癌症治疗的准确性。然而,由于靶向受体在肿瘤细胞中的缺乏和异质分布,这种主动靶向策略在肿瘤靶向和穿透能力方面受到限制,从而损害了治疗结果。在此,华南理工大学王均教授和袁友永教授开发了一种替代的主动靶向策略,可通过合成纳米颗粒介导的代谢肿瘤配体标记增强肿瘤的靶向性和穿透性,从而结合体内生物正交化学受体进行细胞间递送。
扩散概率模型(DPMs)在高分辨率图像生成方面显示出显著性能,但由于通常需要大量采样步骤,其采样效率仍有待提高。高阶ODE求解在DPMs中的应用的最新进展使得能够以更少的采样步骤生成高质量图像。然而,大多数采样方法仍使用均匀的时间步长,在使用少量步骤时并不是最优的。
本系列为 CMU 15-445 Fall 2022 Database Systems 数据库系统 [卡内基梅隆] 课程重点知识点摘录,附加个人拙见,同样借助CMU 15-445课程内容来完成MIT 6.830 lab内容。
【定义】: 活性氧 (Reactive oxygen species, ROS),细胞正常代谢的副产物,氧的部分还原代谢产物,是源自 O2 且比 O2 本身更活泼的物质的统称[1][2]。 【组成】: ROS 不仅包括超氧自由基阴离子 (O2•−) 和一些其他氧自由基,还包括一些 O2 的非自由基衍生物,如过氧化氢 (H2O2)、次氯酸 (HOCl) 和过氧亚硝酸盐/过氧亚硝酸 (ONOO−/ONOOH)。
顾名思义,贪心算法总是作出在当前看来最好的选择。也就是说贪心算法并不从整体最优考虑,它所作出的选择只是在某种意义上的局部最优选择。当然,希望贪心算法得到的最终结果也是整体最优的。虽然贪心算法不能对所有问题都得到整体最优解,但对许多问题它能产生整体最优解。如单源最短路径问题,最小生成树问题等。在一些情况下,即使贪心算法不能得到整体最优解,其最终结果却是最优解的很好近似。
摘要:理解神经系统中的交流和信息处理是神经科学的中心目标。在过去的二十年中,连接组学和网络神经科学的进步为研究复杂大脑网络中的多突触通信开辟了新的途径。最近的研究对连接体信号仅通过最短路径发生的主流假设提出了质疑,这导致了大量替代网络通信模型的出现。本文综述了脑网络通信模型的最新进展。我们首先从图论的数学和神经信号传导的生物学方面(如传输延迟和代谢成本)之间的概念联系开始。我们将关键的网络通信模型和措施组织到一个分类法中,旨在帮助研究人员在文献中导航越来越多的概念和方法。该分类学强调了连接体信号传导不同概念的优点、缺点和解释。我们通过回顾在基础、认知和临床神经科学中的突出应用,展示了网络通信模型作为一种灵活、可解释和易于处理的框架来研究脑功能的效用。最后,对未来网络通信模型的发展、应用和验证提出了建议。
------贪心选择性:若一个优化问题的全局优化解可以通过局部优化选择得到,则该问题成为具有贪心选择性
人脑有一个独特的能力:信息处理能力。负责大脑信息处理任务的是一种叫做神经元的细胞。它们负责从其他大量神经元中获取信息、处理并将信息传递给其他神经元。它们之所以能完成这些工作,主要是由神经元的生物物理特性决定的。
1.UniSim: A Neural Closed-Loop Sensor Simulator
领取专属 10元无门槛券
手把手带您无忧上云