construction
PulseAugur coverage of construction — every cluster mentioning construction across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
专家称美国劳动力短缺由老龄化婴儿潮一代驱动，而非人工智能
美国面临严重的劳动力短缺，这主要由老龄化的婴儿潮一代和生育率下降所驱动，预计到2032年劳动力将萎缩近600万。这一人口结构性挑战在医疗保健和建筑等严重依赖人力且不易受人工智能影响的行业中尤为严峻。相比之下，软件开发和营销等更容易受到人工智能影响的白领行业正经历招聘放缓。核心问题在于面临人口结构压力的工作与最有可能受到人工智能影响的工作之间存在错配，并且在将工人重新培训和安置到关键短缺领域方面存在重大障碍。
-
探讨人工智能在未来两年内为建筑业创造的潜在价值
建筑行业正在探索人工智能在未来两年内的潜在影响。一项在Mastodon上进行的投票旨在衡量人工智能预计将在该行业内产生最大价值的领域。
-
新方法通过高效适应性提升少样本分割能力
研究人员开发了新的方法来改进少样本语义分割，这项任务专注于在训练数据非常有限的情况下识别图像中的物体。一种名为“Take a Peek”（TaP）的方法，利用低秩适应（LoRA）来高效地微调特征提取编码器，在不显著增加计算成本的情况下增强其适应新类的能力。另一种方法，多视图渐进式适应（MPA），通过渐进式增强数据并采用双链预测策略来更好地将模型适应新领域，从而解决了跨域少样本分割问题，并显示出比现有技术显著的性能提升。
-
新方法规范了用于人工智能皮肤病学的临床图像数据集
研究人员开发了一种创建临床验证的皮肤镜图像数据集的新方法，这对于推进人工智能驱动的皮肤病学诊断系统至关重要。该方法使用移动设备标准化图像采集，包含16个结构化元数据字段，并强制执行多阶段专家验证，包括对恶性病变的组织学确认。一个包含1026张图像（来自443名患者）的试点数据集（于2025年6月至2026年5月收集）证明了该方法的效果，其中所有39个恶性病变均有已验证的诊断。
-
新模型增强了用于计算机视觉任务的散射变换
研究人员开发了一种新的相位感知散射编码器-解码器模型，旨在改进计算机视觉中的密集预测任务。该模型通过保留通常在全局平均中丢失的空间结构和相位信息来增强散射变换。在图像去噪上的初步测试显示PSNR显著提高，并且一项关于皮肤病变分割的初步研究也正在进行中。
-
AI创新重塑建筑、工程和施工行业
该集群聚焦于建筑、工程和施工（AEC）行业内与人工智能相关的资讯。它强调人工智能在推动创新、探索新材料和塑造建筑技术未来方面的应用。内容旨在为AEC行业的专业人士提供相关信息。