Fred
PulseAugur coverage of Fred — every cluster mentioning Fred across labs, papers, and developer communities, ranked by signal.
4 天有情绪数据
-
Quantamentry 通过链接来源的数字和 MCP 服务器增强数据透明度
Quantamentry 推出了一个新系统，通过显示其宏观数据集页面上呈现的每个数字的来源和日期来增强数据透明度。该系统使用世界银行和国际货币基金组织等组织的公共数据构建，旨在建立对数据的信任，特别是对于 AI 代理。此外，Quantamentry 还推出了公共模型上下文协议 (MCP) 服务器，允许代理直接查询其数据而无需进行网络抓取，并设有速率限制和可选的 API 密钥以增加访问权限。
-
基于事件的摄像头数据通过卡尔曼滤波器残差改进无人机预测
研究人员开发了一种使用事件相机预测无人机（UAV）边界框的新方法。他们的方法将恒定速度卡尔曼滤波器与预测类似加速度校正的残差模型相结合。这种残差公式，特别是当以事件数据为条件时，始终优于基线卡尔曼滤波器，表明其在提高短期和中期预测精度方面的有效性。
-
新框架支持从事件流进行实时无监督对象发现
研究人员开发了一种新的、无需训练的框架，用于从异步事件流中实时发现移动对象。该系统利用时空概率事件过滤器（SPEF）区分运动和噪声，并利用事件莫顿码聚类（EMCC）模块进行高效的对象发现。这种方法为事件数据中的经典对象发现设定了新的基准，为资源受限的视觉感知提供了可扩展的解决方案。
-
Samsung Galaxy Buds 3 Pro 促销中；VirtualBox 7.2.16 发布
三星的 Galaxy Buds 3 Pro 目前在 Best Buy 的售价为 139.99 美元，折扣接近 50%，比亚马逊的价格低 40 美元。另外，VirtualBox 发布了 7.2.16 版本，该版本改进了其在 Wayland 中的共享剪贴板功能，并增加了对 FRED 的支持。
-
SparseVoxelDet 通过新颖的稀疏体素网络实现高效无人机检测
研究人员开发了 SparseVoxelDet，这是一种新颖的 3D 事件体素边界框检测器，用于使用事件相机进行高效的无人机检测。该系统直接在稀疏事件数据上运行，避免了传统方法采用的昂贵的密集网格转换。通过引入无扩展的逆卷积融合和质量对齐监督，SparseVoxelDet 在 FRED 无人机基准测试上显著降低了计算成本和延迟，同时实现了优于密集对照方法的准确性。
-
新的FRED系统可解码脑电图数据的想象手写
研究人员开发了FRED系统，该系统旨在从脑电图（EEG）和功能性近红外光谱（fNIRS）数据中解码想象手写。该系统利用一个时间网络，处理互补的脑电图频率视图来模拟运动序列。FRED通过采用转导伪标签训练和协议匹配结构化推理等技术，在一个公开数据集上达到了0.8498的显著准确率，在一次竞赛中排名第四。
-
新型AERODet模型利用RGB-事件数据不对称性实现卓越目标检测
研究人员开发了一种名为AERODet的新型目标检测模型，该模型利用RGB和事件数据的独特优势。与先前对称融合这些模态的方法不同，AERODet认识到事件数据更擅长类别无关的定位，而RGB数据则在细粒度分类方面表现出色。该模型包含一个尺度感知不确定性感知可靠性估计（SURE）机制，用于在定位过程中动态加权模态，以及一个任务解耦语义细化（TDSR）组件以改进分类。在FRED和NeRDD数据集上的实验表明，AERODet的性能显著优于现有的…
-
开发者为 3100 万条股票数据记录构建了 AI 可访问的 SQL 服务器
一位开发者创建了 Shibui Finance，一个 MCP 服务器，为 Claude 等 AI 模型提供对海量美国股市信息数据集的直接 SQL 访问。该系统从商业 API、SEC EDGAR 文件和 FRED 等各种来源摄取数据，通过 PostgreSQL 和 dbt 进行处理，然后导出到 DuckDB。这种架构允许高效查询 3100 万条价格记录、季度财务数据、技术指标和 SEC 文件数据，通过预先计算指标将查询时间从几分钟缩短到几毫秒。
-
新的FrED框架估计外部数据对AI模型的影响
研究人员开发了一个名为FrED的新概率框架，用于估计外部数据对生成式AI模型的影响。这种黑盒方法结合了特征相似性和领域特定知识图谱，可以在无需访问模型权重的情况下将输出归因于特定的训练数据。FrED在艺术图像合成和天气预报等领域已显示出有效性，其表现优于标准的基于相似性的基线，并接近基于梯度的估计器的性能。
-
新数据集应对洪水路况下的自动驾驶挑战
研究人员推出了洪水路况数据集（FRED），这是首个专为洪水条件下自动驾驶设计的全模态数据集。FRED 包含来自摄像头、LiDAR 和 IMU 传感器的同步数据，在洪水事件期间及之后在五个地点采集。该数据集以 KITTI 风格和 RTMaps 格式发布，并附带语义标签，以促进水患检测系统的开发和评估。