There is a continuous vivid search for biocompatible hybrid magneto-optical nanoprobes with high heating and photoluminescence efficiencies for photothermal theranostics. Herein, two tailored multipurpose hybrid PEGylated gold (Au) and silver sulfide (Ag2S) magnetic iron oxide nanoparticle formulations (Au-PEG-MNPs and Ag2S-PEG-MNPs) with unique opto-magnetic properties for simultaneous photothermal therapy were prepared. The physiochemical properties of the hybrid MNPs were fully characterized using various electronic and spectroscopic techniques, showing colloidal stabilized small-sized nanoparticles (core sizes = 10 nm, DH = 200 nm) with high saturation magnetizations (Ms up to 85 emu/g) and superparamagnetic behavior. Thermal effects in response to an alternating magnetic field (AMF) at different frequencies (f = 25–300 kHz) and field intensities (H = 12 and 24 kA/m) were assessed using an ultrafast magnetometric method, revealing high heating efficiencies with distinctive heating responses. The "optothermal" efficacies were then evaluated using a unique experimental setup equipped with a highly sensitive thermal camera for recording temperatures in real time, along with a simultaneous clinically safe near-infrared (NIR) laser (λ = 808 nm and power = 0.5 W cm–2) and AMF (H = 12 kA/m, f = 180 kHz) dual effect. Remarkably, when irradiated with an NIR laser and AMF, both hybrid Au- and Ag2S-PEG-MNPs displayed superior heat induction power (SAR = 384 and 441 W/g), rapidly reaching hyperthermia temperatures of 42 °C in only a few seconds. Temperatures could reach up to 75 °C for Au-PEG-MNPs and 90 °C for Ag2S-PEG-MNPs in only 5 min. Such superior heating efficiencies for the hybrid MNPs increased ∼1.5–2 times under concurrent irradiation compared to the action by laser alone. Finally, cytotoxicity assays against cancerous and normal cells confirmed the safety profiles and low toxicities of the hybrid nanoformulations. This unique synergistic platform has great potential to be utilized for multimodal photothermal therapy with reduced field strengths, laser intensities, and short irradiation times in the unceasing search for tangible hyperthermal clinical nanoprobes.

In this work, a hypoxia-sensitive nanoprobe is developed by coating the surface of upconverting core/shell nanoparticles (NaGdF 4 : 2%Yb 3+ , 3%Nd 3+ , 0.2%Tm 3+ /NaYF 4 ) with a non-fluorescent azo-dye based on a boron-dipyrromethene functionalized azo...

Our world is not static and humans naturally cause changes in their environments through interactions, e.g., opening doors or moving furniture. Modeling changes caused by humans is essential for building digital twins, e.g., in the context of shared physical-virtual spaces (meta-verses) and robotics. In order for widespread adoption of such emerging applications, the sensor setup used to capture the interactions needs to be inexpensive and easy-to-use for non-expert users. I.e., interactions should be captured and modeled by simple ego-centric sensors such as a combination of cameras and IMU sensors, not relying on any external cameras or object trackers. Yet, to the best of our knowledge, no work tackling the challenging problem of modeling human-scene interactions via such an ego-centric sensor setup exists. This paper closes this gap in the literature by developing a novel approach that combines visual localization of humans in the scene with contact-based reasoning about human-scene interactions from IMU data. Interestingly, we can show that even without visual observations of the interactions, human-scene contacts and interactions can be realistically predicted from human pose sequences. Our method, iReplica (Interaction Replica), is an essential first step towards the egocentric capture of human interactions and modeling of dynamic scenes, which is required for future AR/VR applications in immersive virtual universes and for training machines to behave like humans. Our code, data and model is available on our project page at http://virtualhumans.mpi-inf.mpg.de/ireplica/.

3D Clothing modeling and datasets play crucial role in the entertainment, animation, and digital fashion industries. Existing work often lacks detailed semantic understanding or uses synthetic datasets, lacking realism and personalization. To address this, we first introduce CloSe-D: a novel large-scale dataset containing 3D clothing segmentation of 3167 scans, covering a range of 18 distinct clothing classes. Additionally, we propose CloSe-Net, the first learning-based 3D clothing segmentation model for fine-grained segmentation from colored point clouds. CloSe-Net uses local point features, body-clothing correlation, and a garment-class and point features-based attention module, improving performance over baselines and prior work. The proposed attention module enables our model to learn appearance and geometry-dependent clothing prior from data. We further validate the efficacy of our approach by successfully segmenting publicly available datasets of people in clothing. We also introduce CloSe-T, a 3D interactive tool for refining segmentation labels. Combining the tool with CloSe-Net in a continual learning setup demonstrates improved generalization on real-world data. Dataset, model, and tool can be found at https://virtualhumans.mpi-inf.mpg.de/close3dv24/.

Semiconductor materials capable of hosting luminescent lanthanide ions (Ln 3+ ) and sensitize their emission are scarce. Halide perovskites are prime systems for this purpose, yet they often feature toxic elements (e.g.,...

All-optical theranostics systems are sought after in nanomedicine, since they combine in a single platform therapeutic and diagnostic capabilities. Commonly in these systems the therapeutic and diagnostic/imaging functions are accomplished...