Bioclip
PulseAugur coverage of Bioclip — every cluster mentioning Bioclip across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新型水下监测系统利用本地人工智能节省能源
研究人员开发了一种新颖的、节能的水下监测系统，该系统将连续低功耗传感与按需本地推理相结合。该架构使用 MAX78000/MAX78002 微控制器进行持续信号监测，仅在需要处理或交互时才激活更强大的 NVIDIA Jetson Orin NX。该系统采用多模态管道进行数据摄取、目标提取和物种识别，并利用存储在 ChromaDB 中的 BioCLIP/OpenCLIP 嵌入。一个基于 LangChain 的多代理框架负责查询路由、能源和…
-
PRIMA框架利用生物先验提升动物3D网格恢复能力
研究人员开发了PRIMA，一个旨在提高3D动物网格恢复准确性的新框架。PRIMA整合了来自BioCLIP嵌入的生物先验以增强形状预测，并采用测试时自适应策略利用2D约束来优化预测。该方法还有助于创建一个大规模的伪3D数据集Quadruped3D，帮助模型更好地泛化到不同的物种和姿势，从而取得最先进的成果。
-
Planktonzilla数据集发布，包含1740万张海洋研究图像
研究人员推出了Planktonzilla-17M，这是一个包含1740万张浮游生物图像的新数据集，是同类数据集中规模最大的。该数据集旨在通过整合来自十三个不同成像系统的数据，并标准化分类法和元数据，来改进浮游生物分类。使用Planktonzilla-17M进行的实验表明，带有分类谱系作为文本的监督分类，其性能与CLIP风格的图像-文本训练相当或更优，并突显了当前海洋成像生物基础模型的局限性。
-
研究人员将自监督学习应用于植物图像识别
研究人员开发了一种用于植物图像识别的自监督学习方法，解决了传统监督方法需要大量专家标记数据的局限性。研究发现，高斯模糊和灰度转换等标准数据增强技术对细粒度植物识别有害，反而提出了仿射变换和后处理变换作为更合适的选择。在 iNaturalist 2021 Plantae 子集上使用 SimDINOv2 模型进行训练比使用 ImageNet-1K 更有效，证明了领域特定数据的价值。