基于跨尺度共现局部二值模式的图像分类方法研究 图像分类技术在计算机视觉领域中占据重要地位，而图像特征提取是该领域的核心研究方向。近年来，局部二值模式（Local Binary Pattern, LBP）由于其高效性和描述能力被广泛应用于纹理分类、人脸识别等视觉任务中。然而，传统的LBP方法在处理几何变换（如旋转、缩放）和图像噪声时表现出明显的局限性。针对这些问题，重庆邮电大学的肖斌等研究团队在《International Journal of Computer Vision》期刊上发表了题为“CS-COLBP: Cross-Scale Co-Occurrence Local Binary Pattern for Image Classification”的研究论文，提出了一种新的图像特征提取...
GAN反演与图像编辑新方法：Warping the Residuals for Image Editing with StyleGAN 背景与研究问题 生成对抗网络（Generative Adversarial Networks, GANs）在图像生成领域取得了显著的进展，为高质量图像的合成和编辑提供了可能性。StyleGAN模型以其语义可解释的潜在空间组织，展现了超越传统图像翻译方法的编辑能力。然而，GAN的实际应用面临一个核心挑战：在真实图像编辑中，需要将图像逆向投影到GAN的潜在空间（即GAN反演），实现对原始图像的高保真重建以及高质量的编辑。 现有方法中，低比特率潜在空间（如StyleGAN的$W^+$空间）在编辑上表现较佳，但由于信息瓶颈问题，往往丢失图像细节；而高比特率潜在空间虽...
Transformer for Object Re-Identification: A Survey 背景与研究意义 对象重新识别（Object Re-Identification，简称Re-ID）是一项重要的计算机视觉任务，旨在跨时间和场景识别特定对象。这一领域在深度学习技术的推动下取得了显著进展，尤其是基于卷积神经网络（Convolutional Neural Networks，简称CNNs）的研究。然而，随着视觉Transformer的出现，Re-ID研究开启了新的篇章。本文综述了基于Transformer的Re-ID技术，分析其在图像/视频、少数据/少标注、多模态及特殊应用场景中的优势与挑战。 研究团队与发表信息 本文由来自武汉大学、Sun Yat-Sen University和In...
深度学习助力蛋白质设计：基于条件扩散模型的功能蛋白序列生成 蛋白质是生命科学研究和应用的核心，其多样性和功能复杂性为科学家提供了无数可能性。随着深度学习技术的发展，蛋白质设计正迈向一个全新高度。由上海交通大学、剑桥大学等多个机构的科学家联合发表的研究《A conditional protein diffusion model generates artificial programmable endonuclease sequences with enhanced activity》展示了一种名为“条件蛋白扩散模型”（Conditional Protein Diffusion Model, 简称 CPDiffusion）的创新方法，用于设计具有增强功能的人工蛋白质序列。这一研究已发表在《Ce...
基因集合评分工具对单细胞ATAC-seq数据的基准测试 作者： Xi Wang, Qiwei Lian, Haoyu Dong, Shuo Xu, Yaru Su, Xiaohui Wu 单位： Pasteurien College（苏州大学苏州医学院），厦门大学自动化系，福州大学数学与计算机科学学院 通讯作者： xhwu@suda.edu.cn 期刊： 《Genomics, Proteomics & Bioinformatics》 发布日期： 2024年2月9日（在线公布） 导论 转座酶可及染色质测序（ATAC-seq）是一种强大且常用的表观基因组技术，通过测序分析全基因组范围内的染色质可及性。近来，单细胞ATAC-seq（scATAC-seq）技术使得研究单细胞中的染色质可及性成为可能，...
蛋白质结构预测：挑战、进展及研究范式的变化 蛋白质结构预测是一个吸引了生物化学、医学、物理学、数学和计算机科学等多个领域研究者的重要跨学科研究课题。研究者们采取了多种研究范式去解决同一个结构预测问题：生物化学家和物理学家试图揭示蛋白质折叠的原理；数学家，尤其是统计学家，通常从假设给定目标序列的蛋白质结构概率分布开始，然后找到最可能的结构；而计算机科学家将蛋白质结构预测视为一个优化问题——寻找具有最低能量的结构构象或最小化预测结构与天然结构之间的差异。最近，深度学习在蛋白质结构预测中也取得了巨大成功。在这篇综述中，本文呈现了一项对蛋白质结构预测努力的调查。我们比较了不同领域研究者采用的研究范式，重点是深度学习时代研究范式的转变。 作者简介及论文出处 本文由Bin Huang, Lupeng K...