Skip to main content

Search: #深度学习

知识分享官
知识分享官

  1. 🤖 自监督学习实现机器人唇语同步

    人机交互中，嘴唇动作占据近一半视觉注意力。但现有机器人嘴唇往往动作僵硬、与语音不同步，产生恐怖谷效应。

    哥伦比亚大学 Hod Lipson 团队研发了一款仿生人形机器人面部，采用软硅胶嘴唇和 10 自由度机械结构，能模拟人类复杂的嘴部运动。研究团队使用变分自编码器（VAE）结合面部动作 transformer 的自监督学习 pipeline，让机器人直接从语音音频中自主推断唇部运动轨迹，无需预先定义动作规则。实验显示，该方法在视觉连贯性上优于简单振幅基线，且能泛化到训练时未见过的 10 种语言。

    这项突破为机器人社交交互、教育陪伴、康复训练等场景奠定了基础。逼真的唇语同步能显著提升人机交互体验，减少恐怖谷效应。不过，研究仍处于实验室阶段，离大规模商用还有距离。

    以后机器人讲 10 国语言都不用对口型了！👄

    来源：Science Robotics (IF: 27.5, Q1)

    #机器人 #人机交互 #深度学习 #仿生机器人

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿
    ❤️ 1

  2. 街景绿植类型影响心血管健康？研究揭示树木多更护心，草地反增风险

    很多人关心居住环境对心血管健康的影响，传统上认为绿植越多越好，但新研究用街景图像分析发现，不同类型的绿植作用可能不同。美国一项针对8.8万护士的长期研究，通过深度学习分析居民周边街景中的树木、草地等绿植比例，探索与心血管疾病（CVD）风险的关联。

    研究团队从350百万街景图像中，用深度学习模型估算居民住宅500米范围内的树木、草地及其他绿植占比。结果显示，树木比例越高，心血管疾病发病风险越低（每四分位增加后，风险比下降至0.96）；而草地比例高则风险升高（风险比1.06），其他绿植类型也有类似趋势。研究调整了人口密度、空气污染、社会经济地位等因素后，结果依然显著，且与传统卫星植被指数的结果一致。

    这一发现提示，并非所有绿植都对心血管健康有益，树木等特定类型可能更具保护作用。传统将不同绿植聚合为单一指标的做法，可能掩盖了类型差异带来的健康效应，未来政策制定和干预措施需更精准地考虑绿植类型，而非仅看总量。

    树木多护心，草地多反增风险？绿化得选对“物种”！🌳


    来源：Environmental epidemiology (Philadelphia, Pa.)

    #心血管疾病 #街景图像 #深度学习 #绿植类型 #环境流行病学

    via: 热心群友

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿
    🤯 5 ❤️ 1

  3. “意念控制”成真？新技术实现无创脑机接口精准控制机械手指

    控制机械臂不再是科幻片专属。近期，卡内基梅隆大学的团队在《自然·通讯》上发表研究，展示了一种非侵入式的脑机接口（BCI）系统 。该系统能让佩戴者通过“意念”实时控制机械手的独立手指运动 。

    研究团队使用脑电图捕捉大脑信号，并采用深度学习网络进行解码 。在21名受试者中，该系统在区分两个手指（拇指与小指）的运动想象任务中，实时解码准确率达到了80.56% ；在三个手指（拇指、食指、小指）的任务中，准确率也达到了60.61% 。

    此前，要实现如此精细的手指控制大多依赖侵入式电极 。这项研究首次证实了使用EEG这种无创、低成本技术，也能实现自然且精准的机械手单指控制 ，为运动障碍患者的功能恢复带来了新希望 。

    玩游戏玩不好被骂脑残而不是手残的日子越来越近了🤪


    来源：Nature Communication

    #脑机接口 #机械手 #深度学习

    🧬 频道 ｜ 🧑‍🔬 群组 ｜ 📨 投稿
    🤓 10 ❤️ 1