南七小僧的学海无涯

可能大多数新人朋友听到这么个啥FACS编码系统都很陌生，其实对于行业内做动画的朋友应该是老生常谈的东西了，当然也有通过其他途径了解到的比如有通过Human Emoitions了解到的FACS，以及学习心理学专业朋友，或者你是个美剧爱好者同时恰好又看过(别对我撒谎&千谎百计)，你一定对主角那流弊的通过面部微表情来施展“读心能力”印象深刻。当然了，相信关注咱公众号的老粉基本都是美术工作者，那么作为美术一样有了解这一块的必要，学习研究之后对创作一定更有帮助。所以我整理一堆资料，今天借此机会全部给到大家。

In this article, we have put together a visual guidebook to better showcase the power of the facial action coding system (FACS). All facial action units are presented with animations to give a first-hand understanding and valuable reference point in the fu

目录一、心理健康与精神病态量表二、行为问题量表三、人格评估量表四、智力测验一、心理健康与精神病态量表1.一般症状自评量表(SCL-90)症状自评量表 （The self-report symptom inventory ，Symptom checklist ，90，简称 SCL90） 有 90 个评定项目 , 每个项目分五级评分 , 包含了比较广泛的精神病症状学内容， 从感觉、 情 感、思维、意识、行为直至生活习惯、人际关系、饮食等均有涉及，能准确刻划被试的自觉 症状，能较好地反映被试的问题及其严重程度和变

与现有数据集着装相比，我们为被试者穿上宽松的服装，如连衣裙和轻便外套，并进行复杂的加减速运动，如旋转后的突然停止、摆动和袖子的挥动。在网络设计上，也许输入的 SMPL 单帧姿态相同，但当外表不同时，往往意味着一段时间前的 SMPL 姿态序列不同，因此将姿态序列作为输入更能让网络感知到惯性。事实上，不同的速度和加速度模式下，人体在相同姿态下外表均会有不同程度的惯性表现，这是现有的人体 NeRF 无法理解的。因此，仅依赖单帧 SMPL 模型姿态的建模仍然存在固有的外表歧义，无法充分理解衣料的外表变化。

其实文章虽然写了很长，但并不能把我这两个多月所有的全部写进去，由于时间很短，我对三维重建这块的原理也是一知半解，所以，有疏漏有错误以及各种各种不好的地方，希望大家指出多多包涵。而且会遇到各式各样的问题。（这是一篇关于opencv3.1+contrib的配置大总结，里面有遇到的各式各样的问题，还有安装教程博客的推荐，以及作者自己编译好的半永久配置文件，特别好，我配置了三天，失败无数次，实属无奈，最后用的还是作者的半配置文件，但不知是我前一个配置的成功还是作者的半配置文件，反正吧，最后成功了，笔芯，强推！

混合专家模型，英文叫Mixture of Experts (MoE) 是一种模型设计策略，它通过将多个模型（称为"专家"）直接结合在一起，以获得更好的预测性能。: Expert Choice的中文为专家选择，方法是设置一组具有预定缓冲区容量的专家，给专家分配给前k个令牌，产生一个令牌到专家的得分矩阵，然后用该矩阵做出路由决策。: Switch Transformer中，模型的每一层都是一个专家网络的集合，输入数据会被动态地路由到不同的专家进行处理。来合并和平衡专家的选择，用于决定每个专家对最终预测的；

Switch Transformers的研究发现，在预训练阶段达到固定的困惑度时，稀疏模型在下游任务中的表现通常不及密集型模型，特别是在逻辑推理较多的任务，如SuperGLUE上。不仅如此，Flan-MoE相比MoE的提升幅度，甚至超过了Flan-T5相比T5的提升，这表明 MoEs 可能从指令微调中获益更大，尤其是在任务数量更多的情况下。例如，如果我们的批量输入包含10个Token，可能有5个Token由一个专家处理，另外5个Token分别由5个不同的专家处理，这导致批量大小不均匀，资源利用率低下。

第一个需要解决的问题，是MoE是什么？总体而言，根据MoE的发展、应用场景和使用目的，其可以被分为两个阶段：Deep Learning时代开始前，和Deep Learning时代后，主要区别在于MoE是否被作用在神经网络模型之上。

1- Poppy网址 2- Nao网址：3- iCub网址： 4- inMoov5- ThormanG3网址：6- NimbRo-OP2X网址：7- Plen2网址：8- James Bruton’s Robot X网址：9- TyroBot网址：10- Ameca。

MongoDB按功能可分为主节点、从节点（隐藏节点、延时节点、“投票”节点）和选举节点。节点名 说明主节点(Primary) 可以提供读Writes/Read的节点，整个复制集中只有一个主节点。隐藏节点(Hidden) 提供Read并对程序不可见的节点。延时节点(Delayed) 提供Read并能够延时复制的节点。投票节点(Priority) 提供Read并具有投票权的节点。选举节点(Arbiter) Arbiter节点，无数据，仅作选举和充当复制集成员。又成为投票节点。

接下来的工作，是给识别结果加上时间戳。如果你对语音识别感兴趣，请给我们提。进行实时语音识别的效果。用到的代码，作为本文的附录，附于文末。对的，就是这一句，所有的依赖都从源码安装。小编注：视频中用到的模型也是开源的。本文介绍了可能是目前为止，最容易安装的。它的使用方法也是极简单的。小编注： 它有可能是目前为止，小编注：如果要使用麦克风，下面这个视频，展示了使用。为了方便大家阅读，我们把。做为附录，供大家阅读。的、超级容易安装的、

是基于飞桨。

模型时间语种输入MOSRTF训练语料LicenseTacotron22018中英西法音素/字符可用，后续模型以此为baselineCPU 0.2（优化后0.152）25+h2020中英西法音素/字符从架构上看逊色于Tacotron2，但论文里说比Tacotron2好（存疑）CPU 0.0625+hMITVITS22023中英西法音素优于Tacotron2CPU 0.1825+hMITBert-VITS22023中英日音素。

因为基于电脑实现，因此能够利用电脑强大的性能，实践下来也发现其软件（控制本地音乐播放）、硬件（控制摄像头）、接口请求（请求天气）、本地项目联动（AI变声）以及智能家居控制样样齐全，因此配合上ChatGPT这个大脑中枢，以及函数调用功能，虚拟管家贾维斯已经无所不能了~》可以看出大伙对AI+硬件的结合十分感兴趣，但上文是针对市场智能音响的AI植入，底层是通过轮询拦截，算是hack兼容，虽然官方有提供开发者接口，也免不了有许多局限性（比如得通过特定指令唤醒），不利于我们去探索研究。这是普通智能音响无法比拟的。

近期有搭建MongoDB副本集的需求，简单记录一下搭建过程（以本地Windows环境为例）。

【代码】网络语义实体对齐（Entity Alignment）相关论文与数据集整理。

注意具体的路径需要根据实际情况添加。

第二版则是做了一些IO调整；这里Pico主要使用到两个USB接口（一个接USB声卡，一个接无线网卡），串口（用于调试和控制台输出），几个GPIO（用于驱动按键和LED），I2C接口（保留，后期可能会用于和板载的Arduino通信，Arduino用于驱动一些外围交互模块如红外感应、手势识别等），此外OLED也是使用I2C接口驱动的。这里科普一下贴片元件的焊接方法：与直插元件不同，贴片的器件由于焊盘太小（我用的0402阻容），器件分布太密集，是基本不可能用烙铁一个一个去焊接的，手工焊接采用的方法主要是回流焊。

① 在debian 8上升级了Python 3.8.5② 升级了openssl 1.1.1。

Ubuntu 20.04.1 LTS已推出，一样的为期5年的服务，感觉不错，安装了一个，但是苦于使用默认源在国内下载太慢，就想着把apt源改为国内源，目前国内比较好的源，有阿里源，清华源，豆瓣源等，下面我以阿里源为例，说下如何修改。也可以在中科大https://mirrors.ustc.edu.cn/查看快速教程。

查看 Python 的路径，在 /usr/bin 下面。可以看到 python 链接的是 python 2.7，所以，执行 python 就相当于执行 python 2.7。**注意：**在 /usr/local/bin/ 下有一个 python3 的链接，指向 bin 目录下的 python 3.5。所以，在更新 Python 时，建议不要删除旧版本（新旧版本可以共存）。CentOS 7 中默认安装了 Python，版本比较低（2.7.5），为了使用新版 3.x，需要对旧版本进行升级。

的配网方式，该方式在配网时，先让待配网的设备处于AP模式，让手机连接到此设备上，然后通过手机将配网设备发送给设备，然后设备就可以切换到STA模式，连接Wi-Fi路由器了。，如下图，我们的手机可以连接到这个热点，可以给它发送家里的路由器的Wi-Fi名称与密码，这样摄像头就能实现联网了，即。，它就是一个无线热点，其它的设备，如无线摄像头，以及家里的电视、空调都要连接到这个路由器中，这些。当然，这只是其中一种配网方式，还有许多其它方式可以实现物联网设备的Wi-Fi配网。，待配网设备通过监听获取配网信息。

角色扮演，是指导ChatGPT等AI按照特定的角色进行交流的过程，这一过程不仅仅是给AI分配一个名字或头衔，而是深入地构建一个具有独特视角、专业知识和行为模式的虚拟角色。通过这种方式，ChatGPT能够更加精确地模拟特定角色的思维方式和表达风格，从而提供更为贴近实际情景的回答，为我们更优质地完成工作。常用的场景有：你是一个【角色】，请执行此【任务】。请你扮演【角色】，评估以下【文本】。假装你是一个【角色】，请提供您关于【主题】的重要建议。你表现得就像是一个【角色】，说明一下你将如何处理【事情】。

1、输入下面命令，查看设置的是否是Asia/Shanghai，不是就改为：Asia/Shanghai。一个是localtime该问题是因为时区导致的问题。一个是timezone一个是localtime。该问题是因为时区导致的问题。

MAKER:mblaz／译：趣无尽 Cherry（转载请注明出处）关于手表的项目，之前我们已经介绍过一款《本期的项目同样的一款基于 Arduino UNO 的可编程的手表，相比之下制造门槛更高一些。同时它更成熟、实用，外形也很有设计感，非常的漂亮！这块仅 10mm 厚的手表可以使用数年，采用 CR2032 电池供电，内置 DS3231 时钟（RTC）芯片，提供精确时间以及温度补偿功能。

Emo 是一款个人伴侣机器人，集时尚与创新于一身。他的诞生离不开最新的树莓派 4 技术和先进的设计。他不仅仅是一款机器人，更是一个活生生的存在。与其他机器人不同，他拥有独特的个性和情感，能够俘获你的心灵。

BMO-AI 是一款 3D 打印的可移动桌面伴侣机器人，其原型来自 Adventure Time 系列动漫中的机器人角色 BMO，该机器人同时利用几种不同的AI功能，以便以更具吸引力和有用的方式与人进行社交。BMO-AI 利用运行 Raspbian Bullseye 的 Raspberry PI 3B + 和 Adafruit CRICKIT Hat 进行伺服电机控制和来自其按钮阵列的信号输入。BMO 有四个关节点和一个 5 英寸的显示屏，用于使用 Pygame 库显示面部表情和图像。

7月5日，百度 AI 开发者大会。还不到下午一点半，对话式人工智能分论坛已经人满为患，A 厅的保安堵着门，出来一个才会放一个进去。在这场下午两点开始，总共耗时三个半小时的分论坛中，先后换了三位主讲人，才把景鲲所讲的“听清、听懂、满足”的 DuerOS 整体架构讲完。差不多同一时刻，阿里也在北京召开发布会，发布了旗下第一款智能音箱。此前已经有不少好事媒体纷纷猜测，群众举瓜围观，毕竟巨头分庭抗礼的戏码没有人会厌倦。

DuerOS开放平台官方地址：技能开放平台智能家居开放平台智能家居平台，实际上是属于技能平台中的一种。DuerOS的技能可以为用户提供无限可能性，类似安卓的手机应用开发者，技能开发者也可以通过开发技能，将自己的产品和服务触达各个DuerOS智能硬件终端用户。技能开放平台提供了对话式技能所需的NLU(自然语义理解)处理和开发提供了直观的可视化编辑界面。通过编辑界面，可以便捷设计技能的意图、词典等内部逻辑，开发对话式技能。

可以看到代码文本中并没有 “ 预览结果 ” 展示的 “ 你好世界 ” , 根据标签我们可以发现这里有两个引用的变量名 {{ $t(‘strings.hello’) }} {{ title }}Language:开发语言：JS 或 JAVA ,其实是通用的，只是会生成的最初模板不同，在项目里面都是可以改的，如果是。我平时喜欢直接用中文来代替，如果没有多语言的要求，我们可以直接写文字到页面上修改如下方代码展示。Device Type:设备类型，我们是开发手表的，选择wearable。的，就推荐 JAVA模板。

Bundle name: 套件名称：这个要和 Appgallery Connect 中创建的项目名称保持一致，后面会记录。Language:开发语言：JS 或 JAVA ,其实是通用的，只是会生成的最初模板不同，在项目里面都是可以改的，如果是。Compile SDK:SDK版本，手表开发选择目前是 api 6 （记录时间：2023-01-06）Device Type:设备类型，我们是开发手表的，选择wearable。H5、vue、uni 基础的就建议 JS 模板，如果是开发。的，就推荐 JAVA模板。

申请数字证书和Profile文件前，首先需要通过DevEco Studio来生成密钥（存储在格式为.p12的密钥库文件中）和证书请求文件（.csr文件）。同时，也可以使用命令行工具的方式来生成密钥文件和证书请求文件。（.cer文件）和Profile文件（.p7b文件）来保证应用/服务的完整性，数字证书和Profile文件可通过申请发布证书和Profile文件获取。单击finish按钮，创建CSR文件成功，可以在存储路径下获取生成的密钥库文件（.p12）和证书请求文件（.csr）为应用签名证书的完整路径。

我们看到下图需要填写 UUID ，这个时候，把我们之前的 uuid 获取出来 填写上去后，就是添加设备完成了。进入项目界面，找到 Tools 菜单，悬停后，点击 SDK Manager 按钮。如果获取不到，我们就多尝试几次，如下图，我们尝试了3次，连上，取消再重新获取。我们可以看到我们上图指针的位置，就是SDK的位置，打开我们的power。登录需要注册华为账号，此处就不展示了，大家先自己注册一个账号。支持外包开发：xkk9866@yeah.net。我们进入目录，找到自己需要用的 API。

文章浏览阅读1.2k次。鸿蒙开发，获取手表心跳，按钮点击后触发的方法，我们将跳转页面的代码写在这个位置就可以实现点击按钮进行跳转页面的动作。在HTML文件“index.hml”，添加按钮，这里按钮用到是标签。在文本框中输入页面名称（showHeartbeat）名称可以自己拟定。佩戴好手表后，点击“允许”按钮提供权限，手表显示屏显示实时心率。onInit() : 进入页面初始化运行的方法。希望能写一些简单的教程和案例分享给需要的人。设备：HUAWEI WATCH 3 Pro。----第二栏菜单点击。

异常检测领域中，基于嵌入的方法指的是：将图像送入模型，提取特征，并在特征空间中构造分界面/评分规则。与重构方法的主要不同在于，其不在RGB图像空间而是在高维的特征空间中进行异常检测；与自监督的方法不同，其不过于依赖额外的负样本的构造 / 代理任务的设计，主要考虑的特征空间中的差异。

本论文中，（穿宽松／紧身衣服的）人的几何形状被表示为标准 T 型姿势的裸体人 SMPL 参数化人体模型的偏移，该模型的特征是依赖姿势的非刚性曲面蒙皮。基于拟合，研究者将每一帧中的轮廓点与人体模型中的 3D 点结合起来，根据每个投影光线的对应 3D 模型点的反向变形模型，变换投影光线；在这篇论文中，研究者评估了单个视频中穿衣服的人的外形（视频中的人是运动的）。给定描绘一个移动人物的一部单目 RGB 视频，目标是生成对象的个性化 3D 模型，包括身体外形、头发、衣物、个性化的纹理图和潜在地控制表面的骨架。

人体三维重构论文 开源集合

领悟一下这里，kernel用的是1.如果自己设计一个 已中心为1，四周发散的膨胀核再去卷积呢？最简单的做法就是 设计一个高斯膨胀核。那么怎么设计高斯膨胀核呢？# 高斯核生成函数def creat_gauss_kernel(kernel_size=3, sigma=1, k=1): if sigma == 0: sigma = ((kernel_size - 1) * 0.5 - 1) * 0.3 + 0.8 X = np.linspace(-k, k,..

本文来自OpenCV中文网粉丝小庄头发很多投稿。(原文链接：https://blog.youkuaiyun.com/weixin_39928773/article/details/103910850)引言对于机器视觉从事者或者研究者来说，把训练好模型部署到项目中是关键的一步。现如今各大相机厂商都会提供相机的二次开发包，供给使用者进行使用和开发。据博主所知，目前大部分的相机开发包并不支持Python语言，而主流的深度学习框架都是基于Python语言，训练好的模型难以部署到自己的软件中。举个例子..