本研究针对气候变异、栖息地损失和数据不足等问题，致力于提高土著河流野生三文鱼的监测和可持续管理。通过结合多模态基础AI和专家协作框架，开发了基于视频和声纳的监测工具，能够自动识别、计数和测量三文鱼，从而提升决策准确性并减少人工工作量。此研究的核心在于促进跨领域合作，推动道德的AI共开发和文化相关的渔业管理。

本研究探讨了使用物理信息神经网络（PINNs）作为河流水位预测替代模型的可行性，旨在降低计算成本的同时保持预测精度。研究结果表明，PINNs在训练单一河流时能够成功近似HEC-RAS数值解，具有较强的预测准确性和相对低的误差，为河流水位预测提供了一种高效的替代方案。

本研究解决了洪水区域检测中的准确性问题，提出了一种基于物理引导的神经网络方法，利用Sentinel 1时间序列影像和对应的河流水位数据进行洪水面积预测。实验表明，该方法在低水位期间的合成孔径雷达影像上，模型的交并比（IoU）达到了0.89，明显优于其他无监督方法。

本文介绍了一种结合粗略标注数据和精细监督的方法，以提升语义分割效果。实验结果表明，该方法在多个数据集上表现优异，尤其在少样本分割任务中显著提升性能。此外，研究提出了新的微调任务和快速神经架构搜索框架FMAS，优化了训练时间和模型性能。

气候变化对河流洪水产生了更频繁和更强烈的影响。本文通过运用 GNN 模型分析河流网络中的测量站点和邻接关系，发现模型无法很好地利用河流网络拓扑信息进行预测，并且在突发性洪水情况的预测上存在困难，这表明神经预测不总是能从图形结构中受益的潜在现象。这一发现可能会启发系统性研究在何种条件下会出现这种情况。

本文讨论了信息时代中处理接收到的信息的方法，建议建立自己的信息过滤系统并评估信息的价值。推荐使用Obsidian工具来管理信息，并分享了仓库目录结构和插件推荐。

以往我有了什么想法都会整理成文字发布在博客上，或者在自己的日记里一笔带过。这其中有不少都在我反复折腾博客和喜新厌旧地换了好几个本子之后遗失了。当然这还不包括那些从我的脑海里飘过，还没来得及被我捕获就已经被忘记的点子，以及那些写到一半就突然没了感想，只得半途而废的想法。 我最近读了一篇文章，叫做 Networked...

ChatGPT的出现使编程变得高效简单，通过与ChatGPT对话，可以深入理解想法并得到合适的代码。编程技能可能消失，但核心思维训练和创造性工作的平衡仍重要。重要的是好奇心和探索精神。

本文介绍了一种针对自主水下机器人的实时稠密三维重建方法，使用了鲁棒的VIO方法SVIn2和实时三维重建管道，在四个具有挑战性的水下数据集上获得了可比拟COLMAP的重建结果，并在单CPU上获得了高帧率。

通过LaRS数据集，提供了第一个海洋全景障碍物检测基准，包括湖泊、河流和海洋场景，提供了多样性录制位置、场景类型、障碍物类别和获取条件。报告了27种语义和全景分割方法的结果，以及几个性能洞察和未来研究方向。LaRS数据集、评估工具包和基准公开可用。

我喜欢骑自行车，这周末骑了约70公里，感受到自由与户外的乐趣。骑行时欣赏到美丽的河流，清澈的水让我感到平静。

最近在練樹形 DP，正好看到 這一道 虛標的紫題，但本蒟蒻不會寫，想出來了便記錄一下

最近在練樹形 DP，正好看到 這一道 虛標的紫題，但本蒟蒻不會寫，想出來了便記錄一下