- 综合排序
- 最热优先
- 最新优先
- 来自专栏Java 筑基与进阶
【论文解读】DMD：解耦多模态蒸馏，开启情感识别新范式 (CVPR 2023)
这篇由南京理工大学发表于 CVPR 2023 的论文，提出了 DMD（Decoupled Multimodal Distillation） 框架。 二、 DMD 核心架构设计 DMD 框架由三个关键阶段组成：特征解耦、双路径图蒸馏和自适应融合。 1. 自我回归机制：为了确保解耦彻底，DMD 引入了重构损失（Reconstruction Loss）和循环损失（Cycle Loss），通过自我回归的方式预测并验证解耦特征。 2. 四、 予枫的总结与思考 DMD 论文给我们的启发在于： 分而治之：与其直接融合复杂的异质特征，不如先通过解耦将“共性”与“个性”分开处理。 项目代码（开源）：https://github.com/mdswyz/DMD 博主结语： 如果您对论文中的“自我回归机制”或具体的“损失函数加权”有疑问，欢迎在评论区与我交流！
18310编辑于 2026-01-12 - 来自专栏脑机接口
Nature子刊 | 基于p300的脑机接口在遗传性肌肉萎缩病患者中的应用
DMD是一种神经肌肉疾病，患者表现出肌肉无力和疲劳，使得口头交流变得困难。研究展示了基于P300的BCI在DMD患者中的有效操作，为这些患者提供了一种不依赖肌肉活动的沟通途径。 DMD患者的人口统计学和临床特征 BCI操作性能 在基于区域的两步P300-BCI操作中，即总体上两个步骤的准确性，DMD患者的平均在线准确性为79.8%，对照组为83.4%。 图 2. 每个三角形（DMD）和圆圈（对照组）表示每个数据点。(b) 每个闪烁序列中两组的离线准确性被绘制出来（三角形：DMD，圆圈：对照组）。 第一步的准确性为DMD患者为85.1%，对照组为83.9%，第二步为DMD患者为74.6%，对照组为82.8%。 图 3. 字符输入性能。 DMD患者和对照组的EEG波形。从P4电极获取的EEG波形，对患有DMD的患者和对照组进行了平均显示。从强化开始的700毫秒波形被提取并平均。实线表示目标ERP，虚线表示非目标ERP。
70610编辑于 2023-11-30 - 来自专栏DeepHub IMBA
PCA不适用于时间序列分析的案例研究
在这篇文章中，我想向您介绍动态模式分解 (DMD)，这是一种源自我的研究领域：流体动力学的用于高维时间序列的线性降维技术。DMD 结合了两个世界中的优点：PCA 和傅立叶变换。 示例 让我们回到我们的激励示例并使用 DMD 处理数据。下图描述了广义 Hermitian 特征问题的特征值和 DMD 模式的空间支持。 ? DMD 分析的结果。 中和右：两种主要 DMD 模式的空间支持（Ψ 矩阵的第一列和第二列）。 至于 PCA，特征值分布表明是 2 级模型，而 DMD 模式现在清楚地将这两种动态分开。 两种主要 DMD 模式的时间演变。 正如预期的那样，DMD 恢复了两个纯音振荡。最近的研究表明，DMD 表现为一种源分离算法（例如 ICA），尽管该框架可以更加灵活。 这就是 DMD 出现的地方。在收集了相当多的温度和速度场快照后，进行了 DMD 分析。结果如下所示。 ? 混沌热虹吸管的 DMD 分析。
2.5K30发布于 2021-07-23 - 来自专栏老虎刘谈oracle性能优化
优化了一半的SQL
SQL： SELECT /*+PUSH_PRED(HS)*/* FROM DMD_BOQ_PLAN_HEADER_T DBPH, DMD_PAYMENT_UNIT_V 和DMD_BOQ_T.CCM_BOQ_ID)，都是选择性很好的列；SQL谓词条件使用的几个字段选择性也都非常好，字段上都有索引。 先来看执行计划： 时间主要消耗在ID=5的全表扫描上，按照正常的情况，这一步应该是最后完成，而且是应该使用DMD_PAYMENT_UNIT_CONTROL_T表PAYMENT_UNIT_ID 只是仍没有解决DMD_PAYMENT_UNIT_CONTROL_T表的全表扫描问题，应该算是一个优化了一半的SQL。 DBPH, DMD_PAYMENT_UNIT_V HS, DMD_PAYMENT_UNIT_CONTROL_T
47820编辑于 2022-06-22 - 来自专栏数据和云
极致之处，精彩无限 - 优化了一半的SQL
SQL语句 SELECT /*+PUSH_PRED(HS)*/* FROM DMD_BOQ_PLAN_HEADER_T DBPH, DMD_PAYMENT_UNIT_V = PUC.PAYMENT_UNIT_ID AND DBPH.BOQ_PLAN_HEADER_ID = :B1; 说明：其中 DMD_PAYMENT_UNIT_V是一个view。 和DMD_BOQ_T.CCM_BOQ_ID)，都是选择性很好的列；SQL谓词条件使用的几个字段选择性也都非常好，字段上都有索引。 只是仍没有解决DMD_PAYMENT_UNIT_CONTROL_T表的全表扫描问题，应该算是一个优化了一半的SQL。 DBPH, DMD_PAYMENT_UNIT_V HS, DMD_PAYMENT_UNIT_CONTROL_T
78750发布于 2018-03-07 - 来自专栏山东朗坤网络卫士
多模光纤和单模光纤的技术差异
以单一模式发送光可以消除差分模式延迟(DMD)，而DMD是限制多模光纤带宽的主要因素。 在多模光纤中以多种模式传播时，有些光会沿光纤中心移动，而另一些光则沿着靠近纤芯包层的路径移动。 高阶和低阶模式的传播速度不同，DMD即为传播时间的差值。 DMD越小，光脉冲随时间的扩散就越少，带宽也越高。脉冲之间的时间差异越大，则接收器可能无法正确区分脉冲。 DMD与距离直接相关——随着光纤长度的增加而增加。这就是为什么多模光纤比单模光纤的距离要求要短得多，多模光纤最长500米，而单模光纤的长度可达10公里。 光纤缺陷也是造成DMD的原因之一，光纤制造商已经掌握了通过仔细优化光纤折射率分布来限制DMD。 这样就能最大程度降低脉冲之间的时间延迟，从而降低DMD，实现较高带宽。 更为显著的差异 多模和单模之间更为显著的差异包括电缆颜色、光源和测试等。单模几乎都是黄色的，而多模通常为浅绿色。
1.7K20发布于 2021-07-26 让SDXL实现50倍加速！中山&字节最新对抗训练+双空间判别，单步生成新标杆！性能狂飙
分布匹配的局限性：现有方法（如DMD、DMD2、MMD、SiD等）依赖于预定义的显式散度度量（如Fisher散度），难以灵活匹配复杂的高维多模态分布。 分数蒸馏框架：基于DMD的分数蒸馏理论，结合对抗训练改进模式覆盖能力。 达到的效果 性能提升： 在SDXL上的一步蒸馏性能超越DMD2，且GPU耗时更低。 这使得伪造分数预测更接近真实分数预测： 与DMD和DMD2的关系 为了缓解DMD损失中的模式崩溃问题，DMD和DMD2分别额外使用了基于ODE的正则器和基于GAN的正则器进行蒸馏。 理论目标 最后一个问题是：为何ADM在理论上优于DMD损失？ 针对2B模型延长训练的额外评估表明（如前面图3所示，DMD损失在8K次迭代时未充分收敛），ADM蒸馏过程中可学习判别器也能近似优化DMD损失。
40610编辑于 2025-08-27- 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
全球日光地图分布图数据
Daylight Map Distribution（DMD）数据集是一个包含有关地球表面日照分布的信息的数据集。 DMD数据集由卫星观测、地面观测和气象模型等多种数据源融合而成，提供了高时空分辨率的日照信息。 这个数据集对于太阳能行业非常重要，因为它可以帮助太阳能公司和研究人员确定最佳的太阳能板安装位置。 通过分析DMD数据集，可以确定某个地区的日照强度、持续时间和季节变化，从而帮助优化太阳能系统的设计和性能预测。 除了太阳能行业之外，DMD数据集还可以被应用于气候研究。 此外，DMD数据集也对城市规划和建筑设计具有重要意义。设计师和规划者可以利用这一数据集来评估建筑物周围的日照情况，从而设计出更加节能环保的建筑和城市规划方案。
58510编辑于 2024-02-04 - 来自专栏3D视觉从入门到精通
3D测量| 主动模式投影提高AOI三维测量精度
LCOS和DMD这两种器件能够与高功率LED光源和投影透镜系统相结合，实现快速主动模式投影。 该系统可以投射编程到LCOS或DMD器件上的任何图像，并能很容易地使用触发信号同步LED和相机，允许为各种应用实现更广泛的模式。 左上方是投影仪产生的3D高度图数据，用特殊光学元件减小了DMD的间隙影响。左下方是投影仪产生的带有DMD间隙影响的3D高度图数据。右侧为2D线轮廓图，比较了减小DMD间隙影响和未减少时的效果。 相比之下，使用有DMD微镜间隙影响设计的投影仪，在2D区域内5mm物体上的标准高度偏差为9μm，是减小DMD微镜间隙影响设计的3倍。 另外，即使实际的样品只是一个平板，在3D数据的波面上仍存在“波动”，这是由DMD间隙影响引起的。
1K40编辑于 2023-04-29 - 来自专栏机器之心
国产芯片也能跑AI视频实时生成了，商汤Seko 2.0揭秘幕后黑科技
图 1：(a) 多步 DMD、(b) 采用随机梯度截断策略的多步 DMD、(c) Phased DMD 和 (d) 采用 SGTS 的 Phased DMD 的示意图。 实验结果表明，Phased DMD 相较于传统 DMD 方法，能更好地保持基模型的动态效果和多样性。 ) Phased DMD。 与基础模型和 Phased DMD 相比，DMD 与 SGTS 展现出更弱的运动动态。 类似地，带 SGTS 的 DMD 倾向于生成特写视角，而 Phased DMD 和基础模型更好地遵循提示中的相机指令。 通过 Phased DMD 蒸馏生成的 Qwen-Image 示例。
60410编辑于 2025-12-18 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
GEE数据集——全球日光日照地图分布图数据
Daylight Map Distribution（DMD）数据集是一个包含有关地球表面日照分布的信息的数据集。 DMD数据集由卫星观测、地面观测和气象模型等多种数据源融合而成，提供了高时空分辨率的日照信息。 这个数据集对于太阳能行业非常重要，因为它可以帮助太阳能公司和研究人员确定最佳的太阳能板安装位置。 通过分析DMD数据集，可以确定某个地区的日照强度、持续时间和季节变化，从而帮助优化太阳能系统的设计和性能预测。 除了太阳能行业之外，DMD数据集还可以被应用于气候研究。 此外，DMD数据集也对城市规划和建筑设计具有重要意义。设计师和规划者可以利用这一数据集来评估建筑物周围的日照情况，从而设计出更加节能环保的建筑和城市规划方案。
1.1K10编辑于 2024-02-11 Stability AI最新重磅工作发布！突破设备限制：SD3.5-Flash让高效图像生成触手可及
DMD（Yin等人，2024b）提出通过将学生分布 与教师分布 进行匹配，来将一个多步教师模型 蒸馏成一个蒸馏后的单步学生模型 。 DMD2（Yin等人，2024a）提出使用有偏调度来更新学生代理 ，以提高稳定性，而无需引入此回归损失，并用对抗目标来补充 LDMD。 流模型中的分布匹配 本文使用公式（3）中的 DMD 目标来微调我们预训练的学生模型，该目标通过代理（）计算教师和学生分布之间 KL 散度的梯度。 我们通过将 DMD 时间步与少步去噪调度中的时间步共享来简化训练目标并防止噪声添加。 SDXL-DMD2和 NitroFusion（从 SDXL-DMD2 蒸馏而来）生成的纹理更好，但在构图方面同样表现较差，并导致伪影（第二行，书上的猫和第一行，三只猫头鹰）。
35710编辑于 2025-11-17- 来自专栏单细胞天地
单核RNA测序揭示了杜氏肌营养不良的退行性和再生途径
sequencing》 发表日期和杂志：2020年发表在PNAS上 在线阅读链接：https://doi.org/10.1073/pnas.2018391117 疾病简介及单细胞实验设计 杜氏肌营养不良症(DMD 文章描述了由肌营养不良蛋白基因51号外显子缺失引起的DMD小鼠模型的创建，对肌营养不良蛋白51外显子缺失的小鼠骨骼肌进行了单核转录组学研究。 肌肉中每个簇核的相对丰度 与WT肌相比ΔEx51 TA肌中成熟肌核的百分比总体下降——与WT肌肉相比，ΔEx51肌肉的细胞类型组成不同，主要是由于纤维化、炎症浸润和肌肉再生的增加 snRNA-seq分析揭示DMD 分析发现与聚类IIa、IIx、IIb和IIx_b相比，聚类NMJ和MTJ中的肌核显示出更多的上调和下调基因 DMD肌再生肌核群体的遗传决定因素分析 在肌纤维受损后，卫星细胞被激活，并可以分化为成肌细胞， Myob集群中的一个基因子集在中心节点转移到第三个分支，该分支由WT和ΔEx51 Myob (fate A)组成，在RegMyon集群中不发育成肌核 文章小结 建立了一个缺乏51号外显子的DMD小鼠模型
40410编辑于 2024-03-04 - 来自专栏VRPinea
11.29 VR扫描：苹果获AR显示屏专利，或将用于Mac电脑；林肯DMD技术让汽车AR显示器成为可能
林肯DMD技术让汽车AR显示器成为可能 近日，汽车制造商林肯宣布将AR显示技术应用在汽车前挡风玻璃上。 目前，林肯两大最新车型已配备数字微镜装置（DMD）技术，可在其前挡风玻璃上投射出更大、更清晰、更复杂的图像。相较于常见的LCD技术，DMD投射的图像亮度更加出色，即使在白天的阳光下也清晰可见。
72430发布于 2018-05-17 - 来自专栏架构专题
实用：Spring的多租户数据源管理 AbstractRoutingDataSource！
this.properties.getDbs().entrySet().stream() .forEach(e->{ DriverManagerDataSource dmd = new DriverManagerDataSource(); dmd.setUrl(e.getValue().get("url")); dmd.setDriverClassName(e.getValue().get("driver-class-name")); dataSources.put(e.getKey (),dmd); }); return dataSources; } } 3.问题 通过以上简单的代码，就可以实现Spring简单的多数据源管理
1.2K31编辑于 2022-02-09 - 来自专栏生信技能树
探究某个基因的外显子覆盖度情况【直播】我的基因组87
DMD外显子覆盖度情况 根据这个图，我们就可以很明显的看出，DMD基因NM_000109转录本的1，10-17号外显子缺失，用IGV一个个的看这些外显子区域，是同样的结果！ 用这个代码画一下我的WGS数据 bam=$1file=$(basename $bam )sample=${file%%.*}echo $samplemkdir -p exon_png_$samplegenes=(DMD
2.5K70发布于 2018-03-09 - 来自专栏新智元
Meta元宇宙出狠活！一个摄像头就能捏出个会动的虚拟化身
这项工作的一个关键贡献是，模型可以很好地推广到由3DMD扫描系统捕获的真实数据，其面部或衣服的细节还原水平之高是前所未有的。 除了合成测试集，研究人员还收集了一个真实世界的测试数据集，其中包括运动中的人物的3dMD 4D扫描图。3dMD 4D扫描仪是一个全身扫描仪，可以在60Hz的频率下捕获未配准的体积点云。 3dMD的数据不包括物体的相互作用，但一般来说噪声比较多，而且有复杂的面部表情。 实验结果证实了HVS-Net中球体半径预测器的有效性，使得模型在输入点云密度方面更加稳健。
59620编辑于 2023-01-06 一步直接封神！单步扩散媲美250步教师模型！中科大&字节发布图像生成“分层蒸馏术”
分布匹配蒸馏（Distribution Matching Distillation, DMD）：用于第二阶段的细节优化，旨在将生成分布与真实数据分布对齐。 第一阶段：通过TD进行结构化初始化 如前所述，从零开始应用分布匹配蒸馏（DMD）进行单步生成面临训练不稳定和模式崩溃的问题。一个主要原因是生成分布和真实数据分布之间缺乏重叠。 我们采用基于DMD的策略来将 的单步输出分布与真实数据分布对齐。由于 的初始分布已经占据了数据流形上的一个有利区域，与真实分布有显著重叠，DMD的训练过程更加稳定和高效。 对于DMD中的分数网络，尽管MeanFlow学生模型本身可以预测瞬时速度，我们仍然使用预训练的教师模型 来初始化真实和伪造分数分支。这可以防止潜在的误差累积，并提供更准确的速度场估计。 在文生图任务上，HD在单步和两步设置下的FID和CLIP分数均优于包括SDXL-LCM、DMD2和MeanFlow在内的现有方法，证明了其方法的普适性和卓越性能。
29710编辑于 2025-11-17- 来自专栏芯片工艺技术
聊聊什么是MEMS芯片，比激光器芯片更难造
在投影机当中，最核心的芯片叫做DMD，这种芯片就是一种MEMS器件，全世界只有美国的TI（德州仪器）可以生产。DMD技术也称为"数字光线处理技术"。 TI的DMD芯片原理 据相关预测，随着物联网应用的推广，全球MEMS行业在未来几年将持续每年两位数的增长，这个增长速度远超全球芯片行业的增速。
6.4K10编辑于 2022-06-06 南洋理工&腾讯最新Rolling Forcing解决流视频生成长期误差累积，连贯如一且长达数分钟！
它采用了一种分布匹配蒸馏（Distribution Matching Distillation, DMD）损失（Yin et al., 2024b），该损失最小化在随机采样的时间步 上平滑数据分布 滚动强制后训练 滚动强制通过DMD损失（公式(1)）将预训练的双向视频扩散模型蒸馏为一个少步因果自回归生成器。 由于DMD匹配整个视频序列的整体分布与数据分布 ，DMD损失的计算在训练期间需要一个预测的干净视频 。在SF中，预测的干净视频通过以下方式生成： 其中， 表示每个帧在去噪前的噪声水平 。 鉴于 DMD 损失已经计算昂贵，这个额外的成本很容易导致即使在拥有 80G 内存的 GPU 上也出现内存不足错误。 因此，从不同噪声水平去噪的帧具有不同的质量和清晰度，导致在 DMD 训练中产生不自然的视频 和相机运动。
27310编辑于 2025-11-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号