Jul, 2023

个性化医疗的革命：通过移动人工智能生成人类数字双胞胎

PDF
TL;DR移动人工智能生成内容（AIGC）技术是指在移动边缘网络上采用 AI 算法自动化信息创建过程，并满足最终用户要求的一种技术。移动 AIGC 近期引起了巨大关注，可以成为一种关键的新兴应用技术，称为人类数字孪生 (HDT)。移动 AIGC 赋能的 HDT 有望通过生成罕见疾病数据、建模高保真数字孪生、构建多功能试验台和提供全天候定制医疗服务，从而彻底改变个性化医疗。在本文中，我们提出了移动 AIGC 驱动的 HDT 系统架构，并强调了相应的设计要求和挑战。此外，我们还介绍了两个使用案例：定制手术规划和个性化药物。此外，我们进行了一项实验研究，证明了所提出的移动 AIGC 驱动的 HDT 解决方案的有效性，在虚拟物理疗法教学平台中找到了特定应用。最后，我们简要讨论了几个未解决的问题和未来发展方向。
发现论文，激发创造
  • 物联网健康中的生成式人工智能驱动人体数字仿真：一项综合调查

    物联网、医疗、人类数字孪生、生成式人工智能、物联网医疗是研究的关键词，本文重点介绍了生成式人工智能驱动的人类数字孪生在物联网医疗领域的应用和实现方法，包括数据获取、通信、管理、数字建模和数据分析等方面，以及个性化健康监测、诊断、处方和康复等典型物联网医疗应用，并探讨了未来的研究方向。

    Jan, 2024

  • AI 生成内容（AIGC）：一项调查

    本文深入讨论了基于人工智能技术生成内容的 AIGC，对其定义、关键条件、可重要的现有和未来特性、庞大的预训练模型带来的优势、工业链以及 AIGC 内部辅助生成和自动生成之间的区别进行了探讨，最后探讨了 AIGC 与元宇宙的潜在整合，旨在揭示 AIGC 的现有问题并提供未来应用方向。

    Mar, 2023

  • 在无线边缘网络中实现 AI 生成内容（AIGC）服务

    本文介绍了人工智能生成内容（AIGC）的技术及其在无线边缘网络中的应用，提出了 AIGC 作为服务（AaaS）的概念，并讨论了在边缘网络上部署 AaaS 的挑战。同时，我们还引入了几个基于图像的感知质量评估指标，并提出了一种通用有效的模型来说明计算资源与用户感知质量评估指标之间的关系。为了实现高效的 AaaS 和最大化在无线边缘网络中生成内容的质量，我们提出了一种深度强化学习启发的算法来选择最佳 ASP。仿真结果表明，相对于四个基准策略，即避免过载，随机，轮流以及上限方案，我们提出的算法可以为用户提供更高质量的生成内容并实现更少的崩溃任务。

    Jan, 2023

  • 分散式车联网中移动 AIGC 服务的基于学习的激励机制

    在本文中，我们提出了一种分散化的激励机制，利用多智能体深度强化学习在车联网环境中平衡 RSUs 上的 AIGC 服务供应和用户对服务的需求，以优化用户体验和减小传输时延。实验结果表明，我们的方法在性能上优于其他基准模型。

    Mar, 2024

  • AIGC 隐私与安全挑战及其补救：探索隐私计算、区块链等技术的潜力

    本文系统地回顾了 AIGC 的概念、分类和基础技术，讨论了从多个角度面临的隐私和安全挑战，并针对性地列出了当前存在的应对措施。作者希望这项调查能帮助研究人员和企业构建更安全、更健壮的 AIGC 系统。

    Jun, 2023

  • 一种由语义通信赋能的无线人工智能生成内容（AIGC）预配框架

    提出了一种语义通信（SemCom）支持的生成式人工智能内容（SemAIGC）生成和传输框架，通过语义信息的提取和传输，解决了无线网络中提供优质 AIGC 服务的挑战，并采用资源感知的工作负载权衡（ROOT）方案进行计算资源的智能调整。仿真结果表明，与传统方法相比，所提出的 SemAIGC 框架在延迟和内容质量方面具有优势。

    Oct, 2023

  • 人工智能生成内容的综合调查（AIGC）：从 GAN 到 ChatGPT 的生成式人工智能历史

    该研究综述了生成模型的历史和基本组成部分，并从单模态和多模态交互的角度介绍了文本和图像生成任务及相关模型，讨论了人工智能生成内容领域中的开放性问题和未来挑战。

    Mar, 2023

  • 边缘计算网络中的 AI 生成内容服务的卸载与质量控制

    提出了一种联合优化算法，用于解决在边缘计算范式中对 AI 生成内容模型和卸载决策的优化问题，并通过实验证明所提算法在联合优化性能上优于基准方法。

    Dec, 2023

  • 通往 AI 生成内容负责任化的路径

    本文旨在探讨 AI 生成内容（AIGC）的三个主要问题：隐私、偏见、毒性、误导和知识产权的风险，并提供解决这些风险的可行方向，以实现 AIGC 的负责任和安全部署。

    Mar, 2023

  • 利用人工智能生成代码的创新数字故事叙述研究与探讨

    探索 AIGC 与数字讲故事的当前整合状态，通过一个示范项目研究其融合的艺术价值并通过采访解决常见问题，得出结论：尽管 AIGC 在图像创作、配音制作和音乐创作方面表现出色，但由于人类创造力和审美感在复杂角色动画、面部表情和音效方面的不可取代的元素，目前 AIGC 无法完全替代人类。研究旨在增加公众对结合 AIGC 和数字讲故事所产生的当前状态、限制和挑战的认识。

    Sep, 2023