数据驱动的预测方法可以有效，准确地将蛋白质序列转化为生物活性结构，对于科学研究和治疗发展非常有价值。使用共同进化信息确定准确的折叠格局是现代蛋白质结构预测方法的成功基础。作为最新的状态，AlphaFold2显着提高了准确性，而无需进行明确的共同进化分析。然而，其性能仍然显示出对可用序列同源物的强烈依赖。我们研究了这种依赖性的原因，并提出了一种元生成模型Evogen，以弥补较差的MSA靶标的Alphafold2的表现不佳。 Evogen使我们能够通过降低搜索的MSA或生成虚拟MSA来操纵折叠景观，并帮助Alphafold2在低数据表方面准确地折叠，甚至通过单序预测来实现令人鼓舞的性能。能够用很少的MSA做出准确的预测，不仅可以更好地概括为孤儿序列的Alphafold2，而且使其在高通量应用程序中的使用民主化。此外，Evogen与AlphaFold2结合产生了一种概率结构生成方法，该方法可以探索蛋白质序列的替代构象，并且序列生成的任务意识可区分算法将使包括蛋白质设计在内的其他相关任务受益。

单元实例分割是一项旨在针对图像中每个单元格的联合检测和分割的新任务。最近，在此任务中应用了许多实例细分方法。尽管取得了巨大的成功，但仍然存在两个主要弱点，这是由于定位细胞中心点的不确定性而引起的。首先，可以很容易地将密集的填充细胞识别到一个细胞中。其次，细胞的细胞很容易被识别为两个细胞。为了克服这两个弱点，我们提出了一个基于多控制回归指南的新细胞实例分割网络。借助多功能回归指导，该网络具有不同视图中每个单元格的能力。具体而言，我们首先提出了一种高斯指导注意机制，以使用高斯标签来指导网络的注意力。然后，我们提出了一个点回归模块，以帮助细胞中心的回归。最后，我们利用上述两个模块的输出来进一步指导实例分割。借助多轮回归指导，我们可以充分利用不同区域的特征，尤其是细胞的中心区域。我们在基准数据集，DSB2018，CA2.5和SCIS上进行了广泛的实验。令人鼓舞的结果表明，我们的网络实现了SOTA（最先进的）性能。在DSB2018和CA2.5上，我们的网络超过1.2％（AP50）。尤其是在SCIS数据集上，我们的网络的性能较大（AP50高3.0％）。可视化和分析进一步证明了我们提出的方法是可以解释的。

卵巢癌是最有害的妇科疾病之一。通过计算机辅助技术在早期检测卵巢肿瘤可以有效降低死亡率。随着医疗标准的提高，超声图像被广泛应用于临床治疗。但是，最近的显着方法主要集中于单模式超声卵巢肿瘤分割或识别，这意味着仍然缺乏探索多模式超声卵巢肿瘤图像的表示能力的研究。为了解决这个问题，我们提出了一个多模式性卵巢肿瘤超声（MMOTU）图像数据集，其中包含1469 2D超声图像和170个具有像素和全球范围注释的对比度增强超声（CEUS）图像。基于MMOTU，我们主要关注无监督的跨域语义分割任务。为了解决域移位问题，我们提出了一个基于功能对齐的架构，名为Dual-Scheme域选择网络（DS $^2 $ NET）。具体而言，我们首先设计源编码器和目标编码器来提取源和目标图像的两种特征。然后，我们提出域名选定的模块（DDSM）和域 - 宇宙选定的模块（DUSM），以在两种样式（源式或目标式式）中提取独特的通用特征。最后，我们融合了这两种功能，并将它们馈入源编码器和目标编码器以生成最终预测。对MMOTU图像数据集的广泛比较实验和分析表明，DS $^2 $ NET可以提高2D超声图像和CEUS图像的双向跨域适应的分割性能。

蛋白质是人类生命的重要组成部分，其结构对于功能和机制分析很重要。最近的工作表明了AI驱动方法对蛋白质结构预测的潜力。但是，新模型的开发受到数据集和基准测试培训程序的限制。据我们所知，现有的开源数据集远不足以满足现代蛋白质序列相关研究的需求。为了解决这个问题，我们介绍了具有高覆盖率和多样性的第一个百万级蛋白质结构预测数据集，称为PSP。该数据集由570K真实结构序列（10TB）和745K互补蒸馏序列（15TB）组成。此外，我们还提供了该数据集上SOTA蛋白结构预测模型的基准测试训练程序。我们通过参与客串比赛验证该数据集的实用程序进行培训，我们的模特赢得了第一名。我们希望我们的PSP数据集以及培训基准能够为AI驱动的蛋白质相关研究提供更广泛的AI/生物学研究人员社区。

最近，场景文本检测是一个具有挑战性的任务。具有任意形状或大宽高比的文本通常很难检测。以前的基于分段的方法可以更准确地描述曲线文本，但遭受过分分割和文本粘附。在本文中，我们提出了基于关注的特征分解 - 改变 - 用于场景文本检测，它利用上下文信息和低级功能来增强基于分段的文本检测器的性能。在特征融合的阶段，我们引入交叉级注意模块来通过添加融合多缩放功能的注意机制来丰富文本的上下文信息。在概率图生成的阶段，提出了一种特征分解 - 重建模块来缓解大宽高比文本的过分分割问题，其根据其频率特性分解文本特征，然后通过添加低级特征来重建它。实验已经在两个公共基准数据集中进行，结果表明，我们的提出方法实现了最先进的性能。

在本文中，我们发现两个因素抑制POMS从实现高感感性质量：1）方向优化（COO）问题和2）模型的低频趋势。首先，POMS倾向于生成SR图像，其位置空间中的位置最接近所有潜在的高分辨率（HR）图像的分配中心，导致这种POMS失去高频细节。其次，图像的90美元\％$区域由低频信号组成;相比之下，人类感知依赖于图像的高频细节。然而，POMS应用相同的计算来处理不同频率区域，使POM倾向于恢复低频区域。基于这两个因素，我们提出了一种细节，通过组合高频增强模块和空间对比学习模块来降低COO问题的影响和低频趋势来提高对比损失（DECHROSTS）。实验结果表明，在若干常规SR模型上施加DROCKS时的效率和有效性。例如，在EDSR中，与基于GAN的方法相比，我们所提出的方法与视觉质量微妙降级的基于GAN的方法实现了3.60美元。此外，我们的最终结果表明，与最先进的方法相比，配备了我们的DECHROSS的SR网络更具现实和视觉上令人愉悦的纹理。 ％拟议方法的源代码包含在补充材料中，并将在将来公开。

Deep learning models can achieve high accuracy when trained on large amounts of labeled data. However, real-world scenarios often involve several challenges: Training data may become available in installments, may originate from multiple different domains, and may not contain labels for training. Certain settings, for instance medical applications, often involve further restrictions that prohibit retention of previously seen data due to privacy regulations. In this work, to address such challenges, we study unsupervised segmentation in continual learning scenarios that involve domain shift. To that end, we introduce GarDA (Generative Appearance Replay for continual Domain Adaptation), a generative-replay based approach that can adapt a segmentation model sequentially to new domains with unlabeled data. In contrast to single-step unsupervised domain adaptation (UDA), continual adaptation to a sequence of domains enables leveraging and consolidation of information from multiple domains. Unlike previous approaches in incremental UDA, our method does not require access to previously seen data, making it applicable in many practical scenarios. We evaluate GarDA on two datasets with different organs and modalities, where it substantially outperforms existing techniques.

The development of social media user stance detection and bot detection methods rely heavily on large-scale and high-quality benchmarks. However, in addition to low annotation quality, existing benchmarks generally have incomplete user relationships, suppressing graph-based account detection research. To address these issues, we propose a Multi-Relational Graph-Based Twitter Account Detection Benchmark (MGTAB), the first standardized graph-based benchmark for account detection. To our knowledge, MGTAB was built based on the largest original data in the field, with over 1.55 million users and 130 million tweets. MGTAB contains 10,199 expert-annotated users and 7 types of relationships, ensuring high-quality annotation and diversified relations. In MGTAB, we extracted the 20 user property features with the greatest information gain and user tweet features as the user features. In addition, we performed a thorough evaluation of MGTAB and other public datasets. Our experiments found that graph-based approaches are generally more effective than feature-based approaches and perform better when introducing multiple relations. By analyzing experiment results, we identify effective approaches for account detection and provide potential future research directions in this field. Our benchmark and standardized evaluation procedures are freely available at: https://github.com/GraphDetec/MGTAB.

As one of the prevalent methods to achieve automation systems, Imitation Learning (IL) presents a promising performance in a wide range of domains. However, despite the considerable improvement in policy performance, the corresponding research on the explainability of IL models is still limited. Inspired by the recent approaches in explainable artificial intelligence methods, we proposed a model-agnostic explaining framework for IL models called R2RISE. R2RISE aims to explain the overall policy performance with respect to the frames in demonstrations. It iteratively retrains the black-box IL model from the randomized masked demonstrations and uses the conventional evaluation outcome environment returns as the coefficient to build an importance map. We also conducted experiments to investigate three major questions concerning frames' importance equality, the effectiveness of the importance map, and connections between importance maps from different IL models. The result shows that R2RISE successfully distinguishes important frames from the demonstrations.

Compressed videos often exhibit visually annoying artifacts, known as Perceivable Encoding Artifacts (PEAs), which dramatically degrade video visual quality. Subjective and objective measures capable of identifying and quantifying various types of PEAs are critical in improving visual quality. In this paper, we investigate the influence of four spatial PEAs (i.e. blurring, blocking, bleeding, and ringing) and two temporal PEAs (i.e. flickering and floating) on video quality. For spatial artifacts, we propose a visual saliency model with a low computational cost and higher consistency with human visual perception. In terms of temporal artifacts, self-attention based TimeSFormer is improved to detect temporal artifacts. Based on the six types of PEAs, a quality metric called Saliency-Aware Spatio-Temporal Artifacts Measurement (SSTAM) is proposed. Experimental results demonstrate that the proposed method outperforms state-of-the-art metrics. We believe that SSTAM will be beneficial for optimizing video coding techniques.