WikiEdge:ArXiv速递/2025-03-12：修订间差异
Updated page by Carole |
Updated page by Carole |
||
| 第25行： | 第25行： | ||
*'''原文链接'''：http://arxiv.org/abs/2503.09537v1 | *'''原文链接'''：http://arxiv.org/abs/2503.09537v1 | ||
'''中文摘要'''：[[人体姿态估计]]（HPE）通过检测人体关节的位置，应用于多种场景。与使用[[摄像头]]相比，利用[[射频]]（RF）信号进行HPE具有非侵入性，并且在恶劣条件下更具鲁棒性，因为它利用了人体干扰引起的信号变化。然而，现有研究主要集中在受限于特定领域混杂因素的单领域HPE上，无法泛化到新领域，导致HPE性能下降。具体而言，不同人体部位引起的信号变化相互纠缠，包含特定主体的混杂因素。RF信号还与[[环境噪声]]交织，涉及特定环境的混杂因素。在本文中，我们提出了GenHPE，一种生成反事实RF信号以消除特定领域混杂因素的3D HPE方法。GenHPE训练基于人体骨骼标签的生成模型，学习人体部位和混杂因素如何干扰RF信号。我们通过操纵骨骼标签（例如移除身体部位）作为生成模型的反事实条件，合成反事实RF信号。反事实信号之间的差异近似消除了特定领域的混杂因素，并规范了编码器-解码器模型以学习领域无关的表示。这些表示帮助GenHPE泛化到新主体/环境，实现跨领域3D HPE。我们在来自[[WiFi]]、[[超宽带]]和[[毫米波]]的三个公开数据集上评估了GenHPE。实验结果表明，GenHPE优于现有方法，在跨主体HPE中减少了高达52.2毫米的估计误差，在跨环境HPE中减少了10.6毫米的估计误差。 | '''中文摘要'''：[[人体姿态估计]]（HPE）通过检测人体关节的位置，应用于多种场景。与使用[[摄像头]]相比，利用[[射频]]（RF）信号进行HPE具有非侵入性，并且在恶劣条件下更具鲁棒性，因为它利用了人体干扰引起的信号变化。然而，现有研究主要集中在受限于特定领域混杂因素的单领域HPE上，无法泛化到新领域，导致HPE性能下降。具体而言，不同人体部位引起的信号变化相互纠缠，包含特定主体的混杂因素。RF信号还与[[环境噪声]]交织，涉及特定环境的混杂因素。在本文中，我们提出了GenHPE，一种生成反事实RF信号以消除特定领域混杂因素的3D HPE方法。GenHPE训练基于人体骨骼标签的生成模型，学习人体部位和混杂因素如何干扰RF信号。我们通过操纵骨骼标签（例如移除身体部位）作为生成模型的反事实条件，合成反事实RF信号。反事实信号之间的差异近似消除了特定领域的混杂因素，并规范了编码器-解码器模型以学习领域无关的表示。这些表示帮助GenHPE泛化到新主体/环境，实现跨领域3D HPE。我们在来自[[WiFi]]、[[超宽带]]和[[毫米波]]的三个公开数据集上评估了GenHPE。实验结果表明，GenHPE优于现有方法，在跨主体HPE中减少了高达52.2毫米的估计误差，在跨环境HPE中减少了10.6毫米的估计误差。 | ||
== 摘要 == | |||
* '''原文标题'''：Experimental study of the convection in a thin cylindrical gas layer with imposed bottom and top fluxes and imposed side temperature | |||
* '''中文标题'''：薄圆柱气体层中对流实验研究：底部和顶部通量及侧壁温度控制 | |||
* '''发布日期'''：2025-03-12 15:10:41+00:00 | |||
* '''作者'''：Florian Rein, Laure Carénini, Florian Fichot, Benjamin Favier, Michael Le Bars | |||
* '''分类'''：physics.flu-dyn | |||
*'''原文链接'''：http://arxiv.org/abs/2503.09461v1 | |||
'''中文摘要'''：我们研究了在底部施加通量且侧面固定温度的薄圆柱气体层中的[[对流]]现象，结合了[[直接数值模拟]]和[[实验室实验]]。实验方法使我们能够在通量[[瑞利数]]方面将探索范围扩展两个数量级。我们确定了控制均方根水平速度的[[标度律]]，并通过基于[[湍流]]状态下[[热传输]]的[[维度分析]]进行了解释。利用[[粒子图像测速技术]]，我们在最湍流状态下实验确认了由径向分支组成的漂移持续模式的存在，如Rein等人（2023, J. Fluid Mech. 977, A26）所识别的那样。我们将这种模式的角漂移频率和方位波数表征为[[瑞利数]]的函数。系统在不同时间尺度上表现出广泛的热通量分布，最长的波动归因于分支模式，最短的波动归因于湍流波动。因此，必须考虑分支模式以更好地预测重要的壁面热通量波动，这一结果在[[核安全]]背景下具有重要意义，也是我们研究的初始动机。 | |||
2025年3月13日 (四) 10:51的版本
摘要
- 原文标题：The effect of intelligent monitoring of physical exercise on executive function in children with ADHD
- 中文标题：智能监测体育锻炼对ADHD儿童执行功能的影响
- 发布日期：2025-03-12 05:22:42+00:00
- 作者：Liwen Lin, Nan Lib, Shuchen Zhao
- 分类：cs.HC
- 原文链接：http://arxiv.org/abs/2503.09079v1
中文摘要：ADHD儿童通常在执行功能（EF）和运动技能方面存在困难，这影响了他们的学业和社交生活。虽然药物是常用的治疗方法，但它们有副作用，因此人们对非药物治疗产生了兴趣。体育活动（PA）在改善ADHD儿童的认知和运动技能方面显示出潜力。本研究考察了三种PA干预措施的短期和长期效果：特定技能训练组（EG1）、低需求运动组（EG2）和对照组（CG），持续12周。EG1在运动任务和工作记忆方面表现出显著改善（15%的改善，p<0.05），而EG2和CG的变化较小。长期PA改善了工作记忆，但短期PA对平衡和手部灵活性的影响有限。这些发现表明，技能训练对运动表现有即时影响，而更复杂的运动技能需要更长时间的干预。智能设备跟踪了进展，确认了EG1的持续参与和改善。这项研究强调了PA作为一种有前景的非药物治疗ADHD的方法，值得进一步探索其对其他认知领域的影响。
摘要
- 原文标题：Evaluating Multi-Instance DNN Inferencing on Multiple Accelerators of an Edge Device
- 中文标题：评估边缘设备上多个加速器的多实例深度神经网络推理
- 发布日期：2025-03-12 17:04:30+00:00
- 作者：Mumuksh Tayal, Yogesh Simmhan
- 分类：cs.DC
- 原文链接：http://arxiv.org/abs/2503.09546v1
中文摘要：边缘设备如Nvidia Jetson平台现在提供了多个板载加速器——包括GPU CUDA核心、Tensor核心和深度学习加速器（DLA）——这些加速器可以同时利用以提升深度神经网络（DNN）推理性能。在本文中，我们通过评估在这些异构组件上同时运行多个ResNet50模型实例的性能影响，扩展了之前的工作。我们详细分析了不同批处理大小和硬件组合对吞吐量和延迟的影响。我们的扩展分析不仅突出了结合CUDA和Tensor核心的优势，还揭示了在集成DLA时由于资源竞争导致的性能下降。这些发现，连同对精度约束和工作负载分配挑战的见解，激励我们进一步探索智能调度机制以优化边缘平台上的资源利用率。
摘要
- 原文标题：GenHPE: Generative Counterfactuals for 3D Human Pose Estimation with Radio Frequency Signals
- 中文标题：GenHPE：基于射频信号的3D人体姿态估计的生成反事实
- 发布日期：2025-03-12 16:53:58+00:00
- 作者：Shuokang Huang, Julie A. McCann
- 分类：cs.CV, cs.AI, cs.MM, eess.SP
- 原文链接：http://arxiv.org/abs/2503.09537v1
中文摘要：人体姿态估计（HPE）通过检测人体关节的位置，应用于多种场景。与使用摄像头相比，利用射频（RF）信号进行HPE具有非侵入性，并且在恶劣条件下更具鲁棒性，因为它利用了人体干扰引起的信号变化。然而，现有研究主要集中在受限于特定领域混杂因素的单领域HPE上，无法泛化到新领域，导致HPE性能下降。具体而言，不同人体部位引起的信号变化相互纠缠，包含特定主体的混杂因素。RF信号还与环境噪声交织，涉及特定环境的混杂因素。在本文中，我们提出了GenHPE，一种生成反事实RF信号以消除特定领域混杂因素的3D HPE方法。GenHPE训练基于人体骨骼标签的生成模型，学习人体部位和混杂因素如何干扰RF信号。我们通过操纵骨骼标签（例如移除身体部位）作为生成模型的反事实条件，合成反事实RF信号。反事实信号之间的差异近似消除了特定领域的混杂因素，并规范了编码器-解码器模型以学习领域无关的表示。这些表示帮助GenHPE泛化到新主体/环境，实现跨领域3D HPE。我们在来自WiFi、超宽带和毫米波的三个公开数据集上评估了GenHPE。实验结果表明，GenHPE优于现有方法，在跨主体HPE中减少了高达52.2毫米的估计误差，在跨环境HPE中减少了10.6毫米的估计误差。
摘要
- 原文标题：Experimental study of the convection in a thin cylindrical gas layer with imposed bottom and top fluxes and imposed side temperature
- 中文标题：薄圆柱气体层中对流实验研究：底部和顶部通量及侧壁温度控制
- 发布日期：2025-03-12 15:10:41+00:00
- 作者：Florian Rein, Laure Carénini, Florian Fichot, Benjamin Favier, Michael Le Bars
- 分类：physics.flu-dyn
- 原文链接：http://arxiv.org/abs/2503.09461v1
中文摘要：我们研究了在底部施加通量且侧面固定温度的薄圆柱气体层中的对流现象，结合了直接数值模拟和实验室实验。实验方法使我们能够在通量瑞利数方面将探索范围扩展两个数量级。我们确定了控制均方根水平速度的标度律，并通过基于湍流状态下热传输的维度分析进行了解释。利用粒子图像测速技术，我们在最湍流状态下实验确认了由径向分支组成的漂移持续模式的存在，如Rein等人（2023, J. Fluid Mech. 977, A26）所识别的那样。我们将这种模式的角漂移频率和方位波数表征为瑞利数的函数。系统在不同时间尺度上表现出广泛的热通量分布，最长的波动归因于分支模式，最短的波动归因于湍流波动。因此，必须考虑分支模式以更好地预测重要的壁面热通量波动，这一结果在核安全背景下具有重要意义，也是我们研究的初始动机。