Quechua语言和Quechua知识在世界各地，尤其是在南美几个国家 /地区收集了数百万人。不幸的是，Quechua社区只有少数资源，它们主要以PDF格式存储。在本文中，Quechua知识图被设想并生成，以使Quechua更接近Quechua社区，研究人员和技术开发人员。目前，Quechua知识图中存储了553636个三元组，该图在网络上可访问，可以通过计算机检索并由用户策划。为了展示Quechua知识图的部署，描述了用例和未来工作。

知识图（kgs）已证明对于个人助理，提问系统和搜索引擎等应用非常重要。因此，确保其高质量至关重要。但是，公斤不可避免地包含错误，重复和缺失的价值，这可能会阻碍其在业务应用中的收养和实用性，因为它们没有策划，例如，低质量的kgs产生了在其顶部建立的低质量应用程序。在本视觉论文中，我们提出了一个实用的知识图策划框架，以提高KG的质量。首先，我们定义了一组用于评估KGS状态的质量指标，其次，我们将KGS的验证和验证描述为清洁任务，第三，我们提出了重复的检测和知识融合策略，以丰富KGS。此外，我们为策划KGS的更好的建筑提供了见解和方向。

Recently, Person Re-Identification (Re-ID) has received a lot of attention. Large datasets containing labeled images of various individuals have been released, allowing researchers to develop and test many successful approaches. However, when such Re-ID models are deployed in new cities or environments, the task of searching for people within a network of security cameras is likely to face an important domain shift, thus resulting in decreased performance. Indeed, while most public datasets were collected in a limited geographic area, images from a new city present different features (e.g., people's ethnicity and clothing style, weather, architecture, etc.). In addition, the whole frames of the video streams must be converted into cropped images of people using pedestrian detection models, which behave differently from the human annotators who created the dataset used for training. To better understand the extent of this issue, this paper introduces a complete methodology to evaluate Re-ID approaches and training datasets with respect to their suitability for unsupervised deployment for live operations. This method is used to benchmark four Re-ID approaches on three datasets, providing insight and guidelines that can help to design better Re-ID pipelines in the future.

人重新识别（RE-ID）旨在在相机网络中寻找感兴趣的人（查询）。在经典的重新设置中，查询查询在包含整个身体的正确裁剪图像的画廊中。最近，引入了实时重新ID设置，以更好地代表Re-ID的实际应用上下文。它包括在简短的视频中搜索查询，其中包含整个场景帧。最初的实时重新ID基线使用行人探测器来构建大型搜索库和经典的重新ID模型，以在画廊中找到查询。但是，产生的画廊太大，包含低质量的图像，从而降低了现场重新ID性能。在这里，我们提出了一种称为贸易的新现场重新ID方法，以产生较低的高质量画廊。贸易首先使用跟踪算法来识别画廊中同一个人的图像序列。随后，使用异常检测模型选择每个轨道的单个良好代表。贸易已在PRID-2011数据集的实时重新ID版本上进行了验证，并显示出比基线的显着改进。

全渠道的人类授权移动操纵器是一个实验平台，用于测试自动和人为多动物移动操作的控制体系结构。全渠道由mecanum-wheel全向移动基础和系列弹性三角型平行操纵器组成，它是一类更广泛的移动协作机器人（“ mocobots”）的特定实现，灵活和明确的有效载荷。 Mocobot的关键特征包括被动依从性，为人类的安全和有效载荷的安全性以及高保真的最终效应力控制，而与移动基础的潜在不精确运动无关。我们描述了Mocobots团队设计的一般考虑；根据这些考虑因素的设计；操纵器和移动基础控制器，以实现有用的多机器人协作行为；以及对大型，笨拙的有效载荷的人类多机协作移动操作进行的最初实验。对于这些实验，通过有效载荷，人类和全网络之间的唯一沟通是机械的。