视频稳定在提高视频质量方面起着核心作用。但是，尽管这些方法取得了很大的进展，但它们主要是在标准天气和照明条件下进行的，并且在不利条件下的性能可能会差。在本文中，我们提出了一种用于视频稳定的综合感知不良天气鲁棒算法，该算法不需要真实数据，并且只能在合成数据上接受培训。我们还提出了Silver，这是一种新颖的渲染引擎，可通过自动地面提取程序生成所需的训练数据。我们的方法使用我们的特殊生成的合成数据来训练仿射转换矩阵估计器，避免了当前方法面临的特征提取问题。此外，由于在不利条件下没有视频稳定数据集，因此我们提出了新颖的VSAC105REAL数据集以进行评估。我们将我们的方法与使用两个基准测试的五种最先进的视频稳定算法进行了比较。我们的结果表明，当前的方法在至少一个天气条件下的表现差，即使在一个具有合成数据的小数据集中培训，我们就稳定性得分，失真得分，成功率和平均种植方面取得了最佳性能考虑所有天气条件时的比率。因此，我们的视频稳定模型在现实世界的视频上很好地概括了，并且不需要大规模的合成训练数据来收敛。
translated by 谷歌翻译
Masader（Alyafeai等，2021）创建了一种元数据结构，用于分类阿拉伯NLP数据集。但是，开发一种简单的方法来探索这种目录是一项艰巨的任务。为了为探索目录的用户和研究人员提供最佳体验，必须解决一些设计和用户体验的挑战。此外，用户与网站的交互可能提供了一种简单的方法来改善目录。在本文中，我们介绍了Masader Plus，该网络接口供用户浏览masader。我们演示了数据探索，过滤和简单的API，该API允许用户从后端检查数据集。可以使用此链接https://arbml.github.io/masader探索masader plus。可以在此处找到的视频录制说明界面的录制https://www.youtube.com/watch?v=setDlseqchk。
translated by 谷歌翻译
如今，混合云平台作为打算实施私人和公共云应用组合的组织的有吸引力的解决方案，以满足其盈利能力。但是，这只能通过在加速执行过程时利用可用资源来实现。因此，部署新应用程序需要将其中一些流程致力于私有云解决方案，同时将其他过程分配给公共云。在此上下文中，设置本工作以帮助最小化相关成本，并在最小的执行时间内为最佳服务放置解决方案提供有效的选择。已经应用了几种进化算法来解决服务放置问题，并且在处理复杂的解决方案空间以提供最佳放置并经常产生短的执行时间。除了在处理服务放置问题方面发明细缺乏鲁棒性之外，还发现标准BPSO算法显示出显着的缺点，即容易捕获到本地Optima之外。因此，为了克服与标准BPSO相关的关键缺点，提出了增强的二进制粒子群优化（E-BPSO）算法，由粒子位置更新方程的修改组成，最初从连续PSO激发。我们所提出的E-BPSO算法显示在成本和执行时间方面以实际基准测试优越最先进的方法。
translated by 谷歌翻译