每周编辑精选｜大模型有自己的 MBTI 数据集、成都理工大学搭建 SCDUNet++ 模型进行滑坡测绘
内容提要
成都理工大学使用SCDUNet++模型进行滑坡测绘，帮助防治地质灾害。hyper.ai官网更新了10个优质公共数据集和3篇AI4S论文案例，包括滑坡测绘数据集、释义识别跨语言对抗数据集和中文音频文本口语理解数据集。此外，还有关于滑坡测绘和糖尿病视网膜病变进展预测的研究成果。hyper.ai是国内领先的人工智能及高性能计算社区，提供丰富的公共资源。
延伸解读
SCDUNet++ 的技术融合思路
成都理工大学提出的 SCDUNet++ 模型将卷积神经网络（CNN）与 Transformer 结合，用于滑坡测绘。CNN 擅长提取局部特征，Transformer 则能捕捉长距离依赖关系，两者互补有助于增强对滑坡特征的识别和提取。文章提到该模型性能优于 FCN、DeepLabv3+、Segformer 等 8 个深度学习模型，说明这种混合架构在遥感图像语义分割任务中具有一定优势。
数据集更新的实际用途
hyper.ai 本周更新了 10 个公共数据集，涵盖滑坡测绘、跨语言释义识别、中文音频文本口语理解、MBTI 机器思维、年龄检测、皮肤类型分类、AI 生成图像鉴别、糖尿病视网膜病变预测、汽车零部件识别和美国流行名字等方向。这些数据集覆盖计算机视觉、自然语言处理、语音理解及交叉学科研究，可为相关领域的研究者和开发者提供训练与评测资源。
AI4S 论文案例的领域跨度
本期精选的三篇 AI4S 论文案例分别来自成都理工大学、上海交大与清华、军事医学研究院，涉及滑坡测绘、糖尿病视网膜病变进展预测和单细胞多组学数据整合。这些研究均发表于国际期刊，体现了人工智能方法在地球科学、医学和生物信息学等领域的交叉应用，也反映了当前 AI for Science 研究在多个学科方向上的活跃程度。
Q&A
成都理工大学用什么模型进行滑坡测绘？
成都理工大学搭建了 SCDUNet++ 模型进行滑坡测绘，以帮助防治地质灾害。
SCDUNet++ 模型有什么技术特点？
SCDUNet++ 结合了卷积神经网络 (CNN) 和 Transformer 的优势，增强了对滑坡特征的识别和提取，性能优于 FCN、DeepLabv3+、Segformer 等其他 8 个深度学习模型。
hyper.ai 本周更新了哪些 AI4S 论文案例？
本周更新了 3 篇 AI4S 论文案例：1. 成都理工大学搭建 SCDUNet++ 模型进行滑坡测绘；2. 上海交大与清华联手发布 DeepDR Plus，仅用眼底图像可预测 5 年内糖尿病视网膜病变进展；3. 军事医学研究院团队提出 MIDAS，可用于单细胞多组学数据马赛克整合。
DeepDR Plus 是什么？
DeepDR Plus 是上海交大与清华联手构建的基于时序影像序列深度学习的糖尿病视网膜并发症预警系统，仅基于眼底图像便可预测糖尿病视网膜病变在 5 年内的进展，相关成果已发表于「Nature」期刊。
MIDAS 工具是做什么的？
MIDAS 是军事医学研究院团队提出的一种用于单细胞多组学数据马赛克式整合及知识迁移的计算工具，基于自监督学习和信息论方法，首次实现了通用的单细胞多组学马赛克数据的模态对齐、数据补全、批次校正等整合功能。
hyper.ai 本周更新了哪些数据集？
本周更新了 10 个优质公共数据集，包括：SCDUNet++ 滑坡测绘数据集、PAWS-X 释义识别跨语言对抗数据集、CATSLU 中文音频文本口语理解数据集、Machine Mindset MBTI 机器思维数据集、年龄检测-人脸识别数据集、皮肤类型数据集、AI 生成图像与真实图像数据集、糖尿病视网膜病变进展预测示例数据、50 种汽车零部件数据集、美国 1880-2022 年出生流行名字数据集。
