从具有高隐私要求的领域(例如医疗干预空间)获得的真实数据较低,并且收购在法律上很复杂。因此,这项工作提供了一种以医疗服装为例为医疗环境创建合成数据集的方法。目的是缩小合成数据和真实数据之间的现实差距。为此,使用虚幻的引擎插件或Unity比较了3D扫描服装和设计服装的方法。此外,还使用了绿屏和目标域数据集的混合现实数据集。我们的实验表明,设计服装的结构性域随机化以及混合现实数据提供了基线,可在临床目标域的测试数据集上实现72.0%的地图。当使用15%可用的目标域列车数据时,针对100%(660张图像)目标域列车数据的差距几乎可以关闭80.05%的地图(81.95%地图)。最后,我们表明,当使用100%目标域训练数据时,精度可以提高到83.35%的地图。
translated by 谷歌翻译
In this work we present a fast occupancy map building approach based on the VDB datastructure. Existing log-odds based occupancy mapping systems are often not able to keep up with the high point densities and framerates of modern sensors. Therefore, we suggest a highly optimized approach based on a modern datastructure coming from a computer graphic background. A multithreaded insertion scheme allows occupancy map building at unprecedented speed. Multiple optimizations allow for a customizable tradeoff between runtime and map quality. We first demonstrate the effectiveness of the approach quantitatively on a set of ablation studies and typical benchmark sets, before we practically demonstrate the system using a legged robot and a UAV.
translated by 谷歌翻译
道德是人类最长的智力努力之一。近年来,AI和NLP的领域试图撰写与学习系统的与人类相互作用的学习系统,应该被限制为行为道德。该静脉中的一个提议是建立道德模型,可以采取任意文本,并输出关于所描述的情况的道德判断。在这项工作中,我们专注于对最近提出的Delphi模型的单一案例研究,并为该项目的建议自动化道德判决提供了批评。通过对Delphi的审计,我们检查更广泛的问题,适用于任何类似的尝试。我们讨论了机器道德如何通过专注于技术的当前和近期使用技术的方式来讨论机器伦理,以透明度,民主价值观,并允许直接的责任。
translated by 谷歌翻译
机器学习技术的进步鼓励研究人员将这些技术应用于使用源代码分析(例如测试和漏洞检测)的无数软件工程任务。如此大量的研究阻碍了社区了解当前的研究格局。本文旨在总结用于源代码分析的机器学习中当前知识。我们审查了属于软件工程任务的十二类的研究以及已应用于解决它们的相应的机器学习技术,工具和数据集。为此,我们进行了广泛的文献搜索,并确定了2011年至2021年之间发表的479项主要研究。我们在确定的研究的帮助下总结了我们的观察结果和发现。我们的发现表明,将机器学习技术用于源代码分析任务的使用始终在增加。我们综合了常用的步骤和每个任务的总体工作流程,并总结了所使用的机器学习技术。我们确定在此上下文中可用的可用数据集和工具的全面列表。最后,本文讨论了该领域的感知挑战,包括标准数据集的可用性,可重复性和可复制性以及硬件资源。
translated by 谷歌翻译