小 P 为你送上本周值得一看的信息~
有意见、建议与吐槽，欢迎直接给小 P 留言哦~
点击链接或扫一扫二维码即可打开对应网页。
学界前沿
MIT泊松流生成模型击败扩散模型，兼顾质量与速度
扩散模型最早来源于物理中的热力学，最近却在人工智能领域大放异彩。最近，来自 MIT 的研究者受到高维电磁理论的启发，提出了一种称作泊松流（Poisson Flow）的生成模型[1]。在图像生成实验中，PFGM 是当前在标准数据集 CIFAR-10 上表现最好的标准化流模型，取得了 2.35 的 FID score （图片质量的度量）。研究人员也展示了 PFGM 的其他一些用途，比如它能够计算图片的似然 (likelihood)、进行图片编辑和扩展到高分辨率的图片数据集上。理论上，这种模型具有直观的图像和严谨的理论；实验上，它在生成质量、生成速度和鲁棒性上往往比扩散模型更好。
NVRadarNet：基于纯Radar的障碍物和可行驶区域检测
最近特斯拉提出的Occupancy Networks引起了一些讨论，本篇论文也提出了一个occupy grid预测的网络。在本文中，作者基于毫米波的问题：识别静态目标的性能较差、稀疏的缺点，提出了第一个实时(1.5ms)BEV多任务(障碍检测、可驾驶区域网格预测)网络[2]。Free space定义为可行驶的网格区域。通过引入Lidar的标记数据对毫米波进行监督，能够有效增强毫米波对静态目标的感知能力的同时解决了毫米波数据难以标注的问题。另一方面作者通过预测dense occupancy probability map以生成RDM(radial distance map)用于自动驾驶路径规划。
基础技术
Linux Kernel中密码学算法的设计与应用
本文讲述了ARMV8-aarch64架构，linux kernel 5.14系统下的密码学算法相关问题——Linux Kernel中支持哪些密码学算法？哪些是ARM Cryptography Extension硬件实现？ 这些不同的实现方式，他们之间的关系是怎样的？ 应用程序的密码学算法一般又是怎样实现的？应用程序的密码学算法实现，是否依赖Kernel底层的密码学算法？
点击这里，快来揭开谜底吧！
工具推荐
SpeedCoder - Typing Practice for Programmers
一个提升程序员编程打字速度的练习工具。支持多种编程语言。
快来试试吧！
工具推荐
高拦截率足球守门员，机器狗“成精”了！
近日，美国论文预印本发布平台arXiv收录了一篇关于四足机器人拦截足球的论文[3]，美国加州大学伯克利分校等学校的研究人员为名叫迷你猎豹的四足机器人部署了一个强化学习（Reinforcement Learning）框架，能够让它完成足球守门任务。该四足机器人对随机射门的成功拦截率高达87.5%，而人类足球运动员的平均成功率为69%。这项研究通过使用分层次强化学习框架，在四足机器人上结合了高动态运动和精确的物体感知方法。四足机器人在进行运动时，能用其末端执行器跟踪自身运动轨迹，并完成一系列的截球动作。
References
[1]Poisson Flow Generative Models:arxiv.org/abs/2209.11…
[2] NVRadarNet: Real-Time Radar Obstacle and Free Space Detection for Autonomous Driving:arxiv.org/abs/2209.14…
[3] Creating a Dynamic Quadrupedal Robotic Goalkeeper with Reinforcement Learning:arxiv.org/pdf/2210.04…
如果喜欢这篇文章，别忘了 赞、在看与分享 哦~
不错过我们的最新推送，也让更多朋友看到我们 :D
