基于特征深层融合的吊装过程视频目标分割

吊装事故的频繁发生,对国家、社会、人民都造成了非常大的损害。根据吊装过程的视频信息,实现无人安全监控的关键是准确度和速度,提出了一种新的基于全局编码和非对称卷积的目标分割网络,研究视频图像的半监督目标分割问题。首先,将带有标签的视频图像输入网络,分别通过全局编码器与相似性编码器提取到互为补充的特征,从而获得对目标外观的有效表示;然后,通过非对称卷积将两个分支的特征进行深层融合;最后,采用残差上采样解码生成预测掩膜,实现对目标的分割。该方法在DAVIS2017数据集上的准确度为0.675,综合指标为0.708,帧率为31帧/s;在实验用吊装数据集上的准确度为0.952,综合指标为0.976,比基线方法高5.1%,帧率为26.16帧/s。与其他网络方法进行了实验比较,验证了分割算法在准确度与速度方面的有效性。

通用人工智能语境下智能法律行为的定位与效力探析

通用人工智能时代,法律行为呈现诸多新特点:虚实同构,人机交互;数据驱动,算法控制;意思复合,自主消解;形态多样,后果混沌。以意思表示为核心的法律行为理论遭遇挑战。智能法律行为既非传统法律行为,亦非电子法律行为,应视作新型法律行为。在效力要件方面,对于主体不可知的智能法律行为,不论智能体背后之人的行为能力,无所谓意思表示真实;直接相对方是智能体,则采取客观进路,对行为内容及结果开展合法性分析、利益衡量及价值判断;若是人,仍适用行为能力、意思表示要件,以周全保护人。对于主体可知的智能法律行为,根据人与智能体的相互独立性,区分独立型、参考型、依赖型智能体,厘清两者关系,进而明晰具体效力要素。效力认定时,按照单方行为、双方行为、合同行为,结合主体可知性、相对方善意与否、行为利益均衡度等,梳理其不成立、可撤销、无效等多种样态。

智能时代法律行为理论难题及应对——以ChatGPT为背景

智能时代,法律行为主体进路生变,智能体可否作为主体、人与智能体关系待定,智能体背后之人的行为能力难以判断;智能法律行为中的意思表示不易厘定,真实性认定困难,瑕疵处理复杂度高。对此,可考虑以智能体为行为主体,弱化经由智能体表意之人的行为能力要求。智能法律行为的规范意义取向表示外观,意思非构成要件。行为内容基于表示,兼顾智能体根植之代码算法、运行规则等外在依据,运用法律推定、拟制等方法厘定。行为瑕疵区分智能体或人的因素,前者根据具体的智能体缘由确定法律效果;后者细分智能体背后当事人、行为相对人、第三人原因,分别参照适用意思表示瑕疵理论。