近年来，用于建筑结构的人造材料劣化问题已成为一个严重的社会问题，增加了检查的重要性。非破坏性测试由于能够检测到结构中的缺陷和恶化而受到越来越多的需求。在这些方法中，激光超声波可视化测试（LUVT）脱颖而出，因为它允许可视化超声波传播。这使得通过视觉检测缺陷变得直观，从而提高了检查效率。随着劣化结构的增加，缺乏检验员和无损测试工作量增加等问题日益突出。为解决这些问题，包括利用机器...
我们通过学习无动作视频和语言指令来研究长时程操作任务中的奖励模型，我们称之为视觉指令相关问题（VIC）问题。最近跨模态建模的进展突出了通过视觉和语言相关性进行奖励建模的潜力。然而，由于缺乏子阶段意识、建模任务复杂性困难以及对象状态估计不足，现有的VIC方法在长时程任务中学习奖励存在挑战。为了应对这些挑战，我们引入了VICtoR，一种新颖的层次结构VIC奖励模型，能够为长时程操作任务提供有效...
人工智能（AI）正处在变革未来大型复杂核探测器（如ePIC）设计的边缘。这款探测器在远前方和远后方都配备了中央探测器，并融入了大量的设计参数和目标，包括性能、物理可达到的精度和成本，受到机械和几何限制。本项目旨在开发一个可扩展的分发式AI辅助探测器设计，用于 Electron Ion Collider（EIC）（AID(2)E），采用最先进的 multiobjective 优化来解决复杂的设计。得到了 ePIC 软件栈的支持，并使用 Ge...
作为一种对抗攻击防御策略，对抗检测旨在根据自然数据和对抗数据之间的分布和噪声模式差异，从数据流中识别和过滤出对抗数据。尽管之前基于梯度的对抗检测方法在检测梯度基的对抗攻击方面取得了高绩效，但基于生成模型的对抗攻击由于不平衡和各向同性噪声模式而逃避检测。更糟糕的是，现有的技术要么在部署防御之前需要访问攻击数据，要么在推理过程中产生明显的时间成本，使得它们对于防御新兴的攻击（防...
场景图生成（SGG）是一项具有挑战性的任务，旨在检测物体并预测物体之间的关系。在DETR开发之后，基于一阶段对象的检测器的一阶SGG模型得到了广泛研究。然而，为了预测物体之间的关系，使用了复杂的建模。在多头自注意的对象检测器中学习的物体查询固有关系已被忽视。我们提出了一种轻量级的一阶SGG模型，它从DETR decoder的各个关系层中提取关系图。通过充分利用自注意的副产品，浅层关系提取头可以有效地...
无监督领域适应（UDA）在良好的光照条件下显示出在物体检测方面取得了显著的进展；然而，在低可见性场景下，其性能显著下降，尤其是在夜间，这给自动驾驶车辆的可适应性和可靠性带来了挑战。为解决这个问题，我们提出了一个创新性的“合作学生”（CoS）框架，该框架采用了全局-局部变换（GLT）和基于代理的目标一致性（PTC）机制来有效捕捉昼夜场景中的空间一致性，从而在上下文之间显著缓解领域迁移。在此基...
介绍了一种完全自动化的木质髓检测技术（APD），该技术依赖于木环切片结构的同心形状。使用二维结构张量估计环的局部取向，并找到木质髓位置，通过设计这个问题的问题优化成本函数。我们还介绍了一种使用并行坐标空间（PCL）的变体（APD-PCL），该变体在木质髓检测中增强了方法的有效性。此外，通过训练Kurdthongmee等人提出的YoloV8网络来进行木质髓检测，产生了一种基于深度学习的相同问题（APD-DL）的深...
这项研究旨在建立一个使用支气管镜端孔超声（EBUS）进行计算机辅助诊断系统来帮助医生识别肺病变的系统。在EBUS-transbronchial needle aspiration（EBUS-TBNA）过程中，医生依赖灰度超声图像来确定病变位置。然而，这些图像通常包含大量噪声，并可能受到周围组织或血管的影响，使得解释具有挑战性。之前的研究缺乏将物体检测模型应用于EBUS-TBNA，并且没有明确定义的解决方案来注释EBUS-TBNA数据集。在超...
在大型语言模型(LLMs)的发展中，检测文本是否由机器生成变得越来越具有挑战性，尤其是在恶意使用案例（如传播虚假信息、保护知识产权和防止学术剽窃）面前。虽然经过良好训练的文本检测器在未见过的测试数据上表现出有希望的表现，但最近的研究表明，当处理对抗性攻击（如同义替换）时，这些检测器具有漏洞。在本文中，我们提出了一个更广泛的对抗性攻击框架，旨在对机器生成的内容进行轻微的扰动以避免检...
虽然最近基于Transformer的事件检测方法在事件为基础的物体检测任务中表现出惊人的性能，但它们的高计算成本仍然削弱了事件相机的低功耗优势。基于图像的工作试图通过引入稀疏Transformer来降低这些成本。然而，它们在应用于事件为基础的物体检测时显示出不足的稀疏性和适应性，因为这些方法无法平衡词级稀疏化和窗口基于Transformer的效率，导致性能和效率降低。此外，它们缺乏场景特定的稀疏优化，导致信...