新的深度学习方法使用卷积神经网络从单个静止图片中以 3D 形式制作角色动画。 它可以使图像中的角色在 3D 中走、坐、跑或跳。 可以在监视器和 VR/AR 设备上以交互方式查看整个动画。 近年来,来自视频的一般动画产生了许多创意效果。从单个图像而不是视频或一系列照片制作动画也产生了迷人的效果。 Skinned Multi-Person Linear (SMPL) 模型和深度学习框架已被证明对于从单个图像进行 3D 姿态和形状估计非常有用。到目前为止,大多数单图像人物动画技术主要集中在 2D 或伪 3D 动画上。 最近,华盛顿大学和 Facebook 的一个研究团队开发了一种新技术
没有人希望他们的系统中有病毒,因为它可能不仅仅是一场噩梦。这就像计算机的癌症。不同的病毒会造成不同的损害,有些病毒会强迫您删除宝贵的数据,有些病毒会在不让您知道的情况下更改数据、挂断网络甚至破坏硬件。 在早期,黑客攻击的目的是进入某人的数据或帐户。如今,黑客已经变得专业,他们的野心也越来越高。没有人关心您的单个个人帐户信息或您的社交密码。专业人士的目标是在技术上有所突破。为什么他们只能在通过找到算法中的一个漏洞进入数百万个帐户时才将目标锁定在您身上。 您可能听说过——一位俄罗斯博主在 2014 年入侵了 500 万个 Gmail 账户。然而,目前的账户没有一个受到影响,因为他获得的密码太旧
新的基于深度学习的系统可以从基于文本的长描述中自动生成图片。 研究人员展示了一个网络,该网络将食谱作为输入并从头开始构建图片。 从简短的视觉描述生成图片是一项具有挑战性的任务,并且在计算机视觉中有许多应用。最近的研究证明,生成对抗网络(GAN)可以有效地合成高质量、逼真的低分辨率和低变异性图片。 以色列特拉维夫大学的一个研究团队最近做出的一项贡献可以帮助加速该领域的研究。他们建立了一个基于深度学习的模型,可以从基于文本的描述中自动创建图片。 特别是,他们展示了他们的系统,可以根据简单的书面食谱生成一顿饭的图像。为此,该系统结合了最先进的 Stacked GAN 和学习跨模态嵌入,用于烹
一种新的基于深度学习的模型可以使用低分辨率卫星图像自动检测和绘制非正式定居点。 它可以以经济高效的方式对非正式住区的范围进行分类。 世界上近四分之一的城市人口生活在非正规住区——与城市基础设施和基本服务隔绝的地方。这些地区的大多数房屋不符合建筑法规,而且它们位于环境和地理危险区域。 绘制这些地区的地图可以帮助非政府组织更好地为有需要的人服务。这将使当地人能够以重要的方式发展并获得更好的生活质量。然而,绘制这些区域的地图是一项具有挑战性的任务,需要投入大量的人力和财力。 为了应对这些挑战,一个国际研究团队构建了一个基于深度学习的系统,该系统可以使用免费的卫星和航空图像自动检测和绘制非
新的加密货币保险库大大减少了用户加入网络和验证交易所需的数据量。 它将 5 亿笔交易的存储和引导成本降低到 477 MB,而比特币为 143 GB,以太坊为 5 GB。 对于去中心化的电子支付,加密货币似乎是当今最有前途的方法。然而,为了支持大量用户和交易,加密货币需要解决两个重要且相关的瓶颈:引导(用户必须下载多少数据才能加入网络)和存储(每个用户必须存储多少数据)。 例如,要加入比特币网络并验证它收到的状态是否正确,截至 2019 年 1 月,用户必须下载大约 200 GB 的数据。这使得某些用户的过程非常缓慢。 最近,麻省理工学院的一个研究团队提出了一种新的加密货币,与现有的
一种由二维薄半导体制成的新型整流天线,可以将 WiFi 信号转换为电能。 当研究人员将整流天线暴露于正常的 WiFi 信号时,他们能够产生 40 微瓦的功率。 这足以驱动硅芯片或点亮 LED。 无线电力传输可以追溯到 19 世纪后期,当时尼古拉·特斯拉正在研究无需电线传输电能的方法。几年后,意大利发明家古列尔莫·马可尼发明了第一个完整的、商业上成功的无线电报系统。 后来(在 20 世纪中叶)在硅等刚性基板上建立了高效的射频能量收集器。然而,将这项技术扩展到日常使用的电子系统是非常困难的。尽管已经分析了广泛的柔性半导体以实现真正无处不在的传感,但科学家们尚未在该领域取得任何重要的里程碑
基于机器学习的新模型使无人驾驶车辆更安全。 它检测 AI 可以从在现实世界中可能导致危险错误的示例中学习的实例。 人工智能领域的最新进展使自动驾驶汽车和自主机器人变得更加智能。尽管仍处于起步阶段,无人驾驶汽车正变得越来越普遍,并可能在未来几年彻底改变我们的交通系统。 最近,麻省理工学院和微软的研究人员开发了一种模型,可以在人工输入的帮助下发现自主系统的“盲点”。它识别这些自主系统在现实世界中可能犯错时学习(从训练示例或模拟中)的实例。 例如,为自动驾驶汽车提供动力的人工智能经过广泛的模拟训练,为车辆准备好应对道路上几乎所有可能的场景。但是,系统有时会在现实世界中出错:在某些情况下,
一种新方法可以让现代 CPU 使用比朗道尔极限(0.0172 电子伏特)少 1,000 倍的能量来执行计算。 它的工作原理是将操作与处理器的温度波动同步。 在数字电子产品中,能量耗散是当今的主要设计考虑因素之一。随着处理单元不断缩小,每次计算所需的电压会降低。晶体管迟早会达到执行单个任务所需的最低电压的理论极限。 最近,荷兰特温特大学的 Jan Klaers 教授提出了“压缩热态”,可以用来绕过这个理论极限。这些状态迫使处理单元在更低的温度下有效运行,同时消耗更少的能量。 现有的计算机技术可以利用处理器热环境中自然发生的这些状态。并且在未来,可以利用压缩状态来开发更节能的电子设备。
一种新颖的智能手机成像算法允许未经培训的用户分析复杂的检测,例如 HIV、卵巢癌抗原和结核病 DNA。 它的工作原理是生成具有小方差和高动态范围的平均像素强度。 智能手机已成为各种应用的功能强大的评估设备,例如比色测试、横向流动分析、细胞计数分析和手机显微镜。它们是一个可行的选择,因为它们将强大的处理能力、复杂的传感器和无线连接结合到一个小型设备中。 这些设备不再仅用于自拍,它们已成为在特定环境下诊断医疗状况的有吸引力的选择。它们允许没有经验的人收集数据并将其发送给医疗专业人员。 牢记所有这些智能手机功能,佛罗里达大西洋大学的研究人员创建了一种新颖的智能手机成像算法,使未经培训的用
研究人员使用光子芯片和 AI 算法来配置宽带光源的属性。 该技术将通过自我优化方法帮助开发各种智能光学系统。 在我们的日常生活中,我们使用几个复杂的系统,这些系统依赖于基于混沌动力学的大量参数。在光子学领域,许多系统都属于这一类别,包括用于计量学、激光科学和生物医学成像的先进光源。 为了使这些技术更好并有效地控制光的特性,有必要不断突破光子方法的极限。在过去的几年里,世界各地的科学家一直在尝试产生超连续谱——一种宽带光谱,由在散射、色散和非线性的综合效应下传播的光脉冲产生。 超短和强激光脉冲的发展——导致了 2018 年诺贝尔物理学奖——以及空间限制和引导光传播的技术产生了极其强大
索尼的新专利描述了一款正面和背面均具有透明显示屏的智能手机。 显示器包含自发光像素,每个像素都与一个光控元件相关联。 透视显示技术已经存在了十多年,但我们还没有在任何流行的消费产品中看到它。尽管自 2012 年以来,Planar Systems 和三星等公司已将其集成到少数电视和手持设备中。 2018 年 5 月,索尼公司向世界知识产权局提交了一项名为“显示设备和电子设备”的专利。它建立在已在美国和日本获得批准的 2 项专利的基础上。 几十年来,索尼一直在制造手机。它是第一家提供多种独特功能的公司,包括超级慢动作(现在几乎在所有智能手机中都有)。 2015 年,索尼推出了第一款具有
借助新的脑机接口,瘫痪患者可以有效地与商用电子设备进行交互。 他们只需考虑移动光标和单击鼠标按钮即可使用各种应用程序。 他们在使用不同的应用程序时,在一分钟内执行了 22 次“点击式”选择。 移动计算设备已经成为日常生活中无处不在的重要组成部分,但对于瘫痪的人来说却很难使用。在美国,超过 500 万人患有不同类型的瘫痪,限制了他们进行日常活动的能力。 在 ALS 等疾病中,患者最终可能会失去与周围环境有效沟通的所有能力(包括言语)。到目前为止,辅助技术领域已经帮了大忙:它不断提高瘫痪人的功能能力,使他们可以轻松地与通用计算机交互。 最近,布朗大学的研究人员展示了一种脑机接口,可以让
麻省理工学院的研究人员使用深度神经网络来揭示完全黑暗中的隐形物体。 它可以对生物细胞和组织进行成像,而无需将它们暴露在有害射线和强光下。 大多数成像系统只产生关于被成像对象的失真或部分数据。发生这种情况的主要原因是缺乏相位信息、空间频率损失、照明噪声以及光学系统中的未知散射体。 在过去的几年中,一种称为深度神经网络的机器学习技术在计算成像领域引起了广泛关注。它已被证明是各种应用中的有效求解器,包括重影成像、自适应光学、自适应照明显微镜、相位检索、光学断层扫描和欠采样成像。 首先,麻省理工学院的一组研究人员使用深度神经网络解决了受不同级别高噪声影响的相干相位检索问题。简单来说,他们发
想象一下,您的笔记本电脑和手机每月只需充电两次。 基于氟负电荷离子的电池可以使这成为可能。 研究人员首次制造出可在室温下正常工作的可充电氟化物电池。 对提供满足现代设备要求所必需的高能量密度的电池的探索不断增加。能量密度取决于反应中传输的电子数、阳极和阴极之间的电位差、电池体积和法拉第常数。 考虑到所有这些因素,加州理工学院的研究人员开发了一种基于氟化物(一种带负电荷的氟离子)制造可充电电池的新方法。 该技术有可能消除每天为笔记本电脑或手机充电的需要。事实上,它可以将这个要求减少到每月只有两次。由于氟化物电池的能量密度相对高于锂离子电池,它的使用寿命可达 8 倍。然而,它们具有极强
新型被动冷却系统可在高温环境中提供有效冷却,而无需使用任何燃料发电。 在干燥环境中,它可以提供比环境温度低 40°C 的冷却。 它可以补充现有的冷却系统,将疫苗和食物储存在远离电网的炎热地区。 现有的冷却机制依赖于流体冷却和蒸汽压缩系统,这些系统非常复杂且昂贵。另一方面,被动冷却系统与大气辐射冷却一样,使用地球大气中的中红外波长来显着降低温度。 多年来,世界各地的研究人员都在尝试开发被动冷却系统,到目前为止,他们已经能够使用制造成本高且无法广泛使用的复杂光子仪器来构建这些系统。它们中的大多数都是为了完美反射所有波长并发射中红外辐射而开发的。但是,要实现这一点,您需要添加多层材料并将其
一家名为 ClimaCell 的初创公司使用无线网络来跟踪和预测天气。 它可以跟踪地球表面每 500 米范围内的天气,并每分钟更新一次数据。 它比雷达和卫星天气报告准确得多。 通常,天气条件是在气象站测量的,气象站包含各种记录天气数据的设备。一些重要设备包括比重计、气压计、雨量计、风速计、温度计和日照记录仪。 数据是从气象气球、飞机、船舶、卫星和气象站收集的大面积数据。然后通过至少每 6 小时更新一次的天气图表进行映射。 这种天气记录机制有几个限制,例如,除非与额外的遥感一起使用,否则天气雷达无法独立检测雾和风。此外,它并不完全可靠,需要一定程度的专业知识来分析数据。 为了克服这
为了确保安全,有必要采用无法逆向工程的真正随机加密密钥。 研究人员使用人类 T 细胞来创建加密密钥。 这些密钥拥有最大的熵,因此不可能破坏系统。 数字信息在现代社会的各个领域都以指数级的速度增长,包括医疗保健、农业、自动化、通信和国防。预计到 2020 年,全球数字数据将达到 35 泽字节(或 350 亿太字节)。 处理如此大量的数据已成为信息技术行业中最困难的任务之一。如今,我们听到越来越多关于数据泄露、人质恶意软件和被黑客入侵的系统的消息,包括政府和私营公司将信息泄露到令人讨厌的人手中的故事。 现在,宾夕法尼亚州立大学的工程师提出了一个解决方案:他们开发了一种创建无法克隆或逆向
研究人员开发出一种新型光缆,可以以每秒 1 拍比特(1000 太比特)的速率传输数据。 这种纤维与人的头发一样细,不易损坏。 自大约 4 年前诞生以来,光纤电缆已经彻底改变了网络通信。这些电缆使用细玻璃丝来传输编码为光的数据。由于全内反射可防止光从电缆的侧面逸出,因此与使用电信号相比,它可以具有更高的传输速率。 今天,光纤用于互联网、有线电视、计算机网络、电话、汽车工业、机械检查、牙科和外科手术、军事和空间应用。研究人员一直在寻求同时实现高数据速率和长距离传输。 随着视频内容和社交网络等服务的加速传播,互联网流量呈指数级增长。该基础设施的骨干,即光纤带宽也在逐年增加。但是,使用标准
研究人员构建了一个新系统,可以解决一个典型的离散优化问题,称为 MaxSAT。 此模拟求解器的性能优于数字计算机,并且还可以扩展到其他优化问题。 今天的数字计算机可以很好地执行大多数任务。它们非常适合某些计算、文字处理、网上冲浪和图形艺术。但由于它们依赖于二进制代码——0 和 1——它们并不适合解决所有问题。 数字计算几乎已达到其最大潜力,这就是为什么一些数学家开始对复兴模拟计算产生兴趣。它可以帮助推进超越数字框架的计算。 最近,罗马尼亚圣母大学和 Babes-Bolyai 大学的研究人员开发了一种新的模拟求解器,可以评估 NP 难题的最佳解决方案。 NP-hard 问题意味着没有算法
一种基于瞬态光栅光谱的新系统可实时检测辐射引起的材料变化。 与需要半年才能完全表征给定材料的现有技术相比,只需要一天时间。 高辐射环境,如核电站堆芯中的环境,需要极其优质的材料。这些材料在核电设施中的微观结构和性能在运行多年后发生了巨大变化。 大多数材料由于析出增强、体积膨胀、弹道夹杂物溶解、辐照辅助应力腐蚀开裂和偏析增强而失效。 现有的测试材料承受这种恶劣环境的能力的方法不是很有效。他们依赖于“先煮后看”的方法,在这种方法中,材料会受到高辐射环境的影响,然后被移除以进行仔细检查。然而,这个过程非常耗时,以至于推迟了用于新反应堆的先进材料的开发。 为了解决这个问题,麻省理工学院和桑
工业技术