全部分类/
科学普及/
计算机应用研究

计算机应用研究

2025年02期

扫码免费借阅

目录

快速导航

综述评论 | 视觉即时定位与建图算法综述

综述评论 | 视觉即时定位与建图算法综述

摘要：视觉即时定位与建图（visual simultaneous localization and mapping，VSLAM）技术利用视觉传感器分析图像信息，使机器人在未知环境中实现自主定位和实时三维地图构建，是机器人导航和自动驾驶等任务的关键。为了给研究人员提供有价值的参考，梳理了VSLAM的研究现状和最新进展。首先，深入探讨了机器人视觉SLAM算法，根据不同的传感器类型，概述了六种主流的视
综述评论 | 公钥加密方案随机性失败研究综述

综述评论 | 公钥加密方案随机性失败研究综述

摘要：随机性对公钥加密方案的安全性至关重要，如果随机性不满足要求，那么方案就可能面临安全威胁。基于格的公钥加密方案有望成为未来主流的加密技术，但是由于格密码方案本身的复杂性和新颖性，目前对基于格的公钥加密方案的随机性失败分析缺乏系统和深入的研究。首先梳理传统公钥加密方案随机性失败的刻画以及应对措施；然后深入分析基于格的公钥加密方案的随机性失败的原因和机制；最后与签名方案的随机性失败进行比较，揭示
区块链技术 | 基于通信延迟聚类和节点信誉的PBFT共识算法

区块链技术 | 基于通信延迟聚类和节点信誉的PBFT共识算法

摘要：针对现有基于分组策略的拜占庭容错共识算法中存在的主节点不稳定、延迟高等问题，提出一种基于通信延迟聚类和节点信誉的PBFT共识算法（CD-PBFT）。首先，设计了新的基于通信延迟的聚类算法对网络中节点进行分组，将通信延迟融合进欧氏距离公式，让系统中的节点根据混合距离进行聚类，最终使各个集群中延迟之和达到最低，减少通信开销，提升共识效率；其次，提出了基于综合评价的信誉模型，综合考虑节点延迟指数
区块链技术 | MuSig多重签名的实用拜占庭容错共识算法

区块链技术 | MuSig多重签名的实用拜占庭容错共识算法

摘要：为降低实用拜占庭容错共识算法（practical Byzantine fault tolerance，PBFT）的通信复杂度和提高事务的吞吐量，提出一种MuSig多重签名的实用拜占庭容错共识算法（practical Byzantine fault tolerance consensus algorithm of MuSig multi-signature，MPBFT）。MPBFT共识算法改
区块链技术 | 融合多源异构数据的ICO欺诈预测与可解释分析模型

区块链技术 | 融合多源异构数据的ICO欺诈预测与可解释分析模型

摘要：为了解决首次代币发行（ICO）欺诈检测研究中存在的特征建模单一、模型缺乏可解释性等问题，提出一种融合多源异构数据的ICO欺诈预测和可解释分析模型IICOFP。首先，融合ICO项目基本信息、评级分数、社交媒体等多源异构数据，通过Lasso特征选择和Tomek-Link欠采样更有效地实现对ICO的特征建模；其次，基于GBDT算法训练ICO欺诈预测模型，并引入SHAP框架从多个角度分析欺诈型IC
基于人工智能的趋势预测专题 | 基于改进双动态时空图网络的航班延误预测模型

基于人工智能的趋势预测专题 | 基于改进双动态时空图网络的航班延误预测模型

摘要：针对现有航班延误预测模型中仅考虑机场之间空间拓扑结构的缺陷，提出一种基于多图信息融合的改进双动态时空图卷积网络航班延误预测模型。首先，根据航班延误传播的不同空间相关性，构建基于机场和航路的四种空间邻接矩阵，并进行多图融合提供更加全面空间特征信息；其次，将多图结构转换成超图刻画航班延误航线之间的空间相关性，利用门控时间卷积提取其时间序列相关性，利用超图卷积提取其空间相关性，并设计两种特征增强
基于人工智能的趋势预测专题 | 基于深度时序聚类的城市卡口短时交通流量预测

基于人工智能的趋势预测专题 | 基于深度时序聚类的城市卡口短时交通流量预测

摘要：目前，基于深度学习的交通流量预测方法存在不足。首先，基于图卷积网络的预测模型使用简化的路网拓扑，忽视了实际交通组织信息，影响预测准确性。其次，基于聚类的预测模型未考虑交通流的区域和时间相似性，未能有效利用时空模式，导致聚类结果对预测提升有限。此外，过大的训练样本增加了训练和预测时间，影响实时性。为了解决上述问题，提出了基于深度聚类的城市卡口短时流量预测模型（deep temporal cl
基于人工智能的趋势预测专题 | 基于分量感知动态图Transformer的短期电力负荷预测

基于人工智能的趋势预测专题 | 基于分量感知动态图Transformer的短期电力负荷预测

摘要：准确的短期负荷预测对于电力系统的稳定运行和有效调度至关重要。电力负荷数据因存在非线性、非平稳性而导致预测精度低。分解可以降低序列非平稳性的影响从而有效地提高预测精度，但现有分解预测方法缺乏对分解分量间关系的捕获且显著增加了预测时间。为此，提出分量感知动态图Transformer（component-aware dynamic graph Transformer，CDGT）模型。首先，引入联
算法研究探讨 | 融入自注意力和对比学习的多行为推荐

算法研究探讨 | 融入自注意力和对比学习的多行为推荐

摘要：现有的多行为推荐模型忽略了不同行为之间存在的优化不平衡问题。为解决这一问题，提出了一种融入自注意力和对比学习的多行为推荐模型（multi-behavior recommendation integrating self-attention and contrastive learning，SACL）。首先，根据用户与商品的交互行为类型构建独立的交互视图，通过图神经网络挖掘用户与物品之间的关
算法研究探讨 | 面向下一个兴趣点推荐的细粒度时空多语义超图学习

算法研究探讨 | 面向下一个兴趣点推荐的细粒度时空多语义超图学习

摘要：现有的下一个兴趣点（point of interest，PoI）推荐技术存在三个主要问题：使用过于简单的方法构建用户兴趣模型、忽略用户和PoI之间在时空维度上的互动以及未能充分挖掘用户间复杂的高阶交互信息。针对这些问题，提出一种新颖的超图学习模型FSTMH，细粒度地融合时间、空间和语义信息，用于下一个PoI推荐。FSTMH包括细粒度嵌入模块和多层次嵌入模块。前者通过使用地理图卷积网络和有向
算法研究探讨 | 基于双端权重约束的异质超网络表示学习

算法研究探讨 | 基于双端权重约束的异质超网络表示学习

摘要：与传统网络不同，超网络具有复杂的高阶元组关系，而现有大多数超网络表示学习方法不能很好地捕获复杂的高阶元组关系。针对上述问题，为了更好地捕获复杂的高阶元组关系，提出了基于双端权重约束的异质超网络表示学习方法。首先，该方法提出一个超边多源随机游走融合算法，将超边融入到基于超路径的随机游走节点序列中；然后，受到知识表示学习模型TransE的启发，该方法引入超边感知器模型与hyper-gram模型
算法研究探讨 | 基于双路径投影层和注意力机制的知识蒸馏

算法研究探讨 | 基于双路径投影层和注意力机制的知识蒸馏

摘要：现有的知识蒸馏技术主要集中于知识表示、目标损失函数和蒸馏位置的选择，而忽视了特征对齐和融合的重要性，从而限制了学生模型的学习能力。为此，提出了一种基于双路径投影层和注意力机制的知识蒸馏方法。该方法首先在空间维度上对齐学生和教师模型的特征，通过双路径投影层在通道维度上对齐师生特征。同时，添加一个集成注意力机制的适配器模块，以确保多尺度特征的均衡融合。采用轻量并行化注意力机制进行深层次的特征融
算法研究探讨 | 基于深度图文细粒度对齐的弱监督多模态情感分析

算法研究探讨 | 基于深度图文细粒度对齐的弱监督多模态情感分析

摘要：针对现有多模态情感分析方法在模态对齐上不够精细，深度特征融合时易丢失重要信息的问题，提出了一种图文深度交互模型。该模型摈弃使用图像区域强监督的方式检测图片中的物体，首先将图片平等划分成更精细的区域序列，通过双路融合流的深度融合层来对齐多模态数据中蕴涵的潜在模式，并使用自适应门阀优化残差注意力信息的传递。在MSED和MSVA数据集上进行实验，相比较基线模型，在准确率和F1分数上分别取得了最高
算法研究探讨 | 基于边扰动的链接预测解释方法

算法研究探讨 | 基于边扰动的链接预测解释方法

摘要：多数链接预测模型是解释性较差的黑盒模型，因此不少学者提出了针对链接预测的解释方法，但这些方法存在着解释的目标模型单一、缺乏泛化能力、解释结果准确率不足等缺陷。为弥补这些不足，提出一种基于边扰动的链接预测的解释方法。首先利用广度优先搜索得到从头实体到尾实体的所有路径，随后搜索路径所经过实体的邻居节点，形成待解释三元组的训练子图；然后采用边扰动的方式在训练子图上重新训练嵌入模型，计算每条边对预
算法研究探讨 | 基于变化参与实例的空间并置模式增量挖掘方法

算法研究探讨 | 基于变化参与实例的空间并置模式增量挖掘方法

摘要：空间并置模式是一组空间特征的子集，它们的实例在空间中频繁关联。空间并置模式挖掘是空间数据挖掘的一个重要分支。然而，空间数据库随时间不断变化，高效的空间并置模式增量挖掘显得尤为重要。提出基于变化参与实例的空间并置模式增量挖掘方法，相比传统的增量挖掘算法，不进行耗时的变化表实例生成操作，直接搜索变化参与实例。为加速变化参与实例搜索过程，提出了实例级搜索优化策略、启发式模式剪枝技术，进而提出了I
算法研究探讨 | 结合变量决策层和全局学习率的启发式优化算法

算法研究探讨 | 结合变量决策层和全局学习率的启发式优化算法

摘要：冲突驱动子句学习（conflict-driven clause learning，CDCL）是现代SAT求解器的主流框架，而基于变量活性的分支算法是其高效求解的关键因素之一。将全局学习率（global learning rate，GLR）和变量决策层结合分析，得到两个有关CDCL搜索行为的重要推论：在GLR较高时，增加低决策层变量的碰撞分数可以降低搜索成本；而在GLR较低时，增加高决策层变
算法研究探讨 | 基于结构化张量学习的多视图聚类

算法研究探讨 | 基于结构化张量学习的多视图聚类

摘要：多视图聚类方法随着数据获取途径日益多样化成为研究热点，但大多数聚类方法低估了噪声和数据多结构互补性信息对聚类结果的影响，并且忽略了聚类结果对低秩张量优化过程的反向引导作用。为解决这些问题，提出了基于结构化张量学习的多视图聚类（multi-view clustering based on structured tensor learning，MCSTL）。首先，对初始表示张量进行再次去噪使其
算法研究探讨 | 未知环境下基于突变定位SAC算法的移动机器人路径规划

算法研究探讨 | 未知环境下基于突变定位SAC算法的移动机器人路径规划

摘要：针对缺乏完整环境信息的条件下移动机器人局部路径规划算法性能提升及深度强化学习智能体训练速度慢的问题，提出了突变定位算法和改进的soft actor-critic （SAC）算法，并将两者结合为突变定位SAC算法。突变定位算法能够在缺乏完备环境信息的情况下计算子目标点位置，减少移动机器人规划路径的长度。同时，通过引入基于虚拟势场的critic网络改进损失函数和多阶段训练方法，提高SAC智能体
算法研究探讨 | 基于stacking融合机制的自动驾驶伦理决策模型

算法研究探讨 | 基于stacking融合机制的自动驾驶伦理决策模型

摘要：虽然自动驾驶技术在线路规划和驾驶控制方面取得较大进展，但遇到伦理困境时，当前自动驾驶汽车仍然很难作出确定、合理的决策，导致人们对自动驾驶汽车安全驾驶产生怀疑和担忧。所以有必要研究自动驾驶伦理决策模型和机制，使得自动驾驶汽车在伦理困境下能够作出合理决策。针对以上问题，设计了基于stacking融合机制的伦理决策模型，对机器学习和深度学习进行深度融合。一方面将基于特征依赖关系的朴素贝叶斯模型（
算法研究探讨 | 迭代贪婪算法优化分布式阻塞流水车间成组鲁棒调度问题

算法研究探讨 | 迭代贪婪算法优化分布式阻塞流水车间成组鲁棒调度问题

摘要：为了优化复杂生产环境中生产计划的鲁棒性，确保不同场景下生产调度的稳定性，此研究将多生产线单元制造问题抽象为分布式流水车间成组调度问题，并在此基础上考虑了实际生产中常见的零缓冲区、加工时间不确定性和交付时间窗口等约束。首先，构建了以鲁棒性为优化目标的混合整数线性规划模型并使用Gurobi求解器验证其正确性；然后，提出了一种改进的空闲时间插入方法以适应阻塞约束和成组约束；接着，将上述改进空闲时
算法研究探讨 | 基于算子学习的多目标深度强化学习模型求解消防设施选址问题

算法研究探讨 | 基于算子学习的多目标深度强化学习模型求解消防设施选址问题

摘要：针对消防设施选址问题，构建考虑时效性、市民等待救援的焦急心理和建设成本的三目标消防设施选址模型，以实现更科学的消防设施布局。鉴于该问题的NP难特性，提出基于算子学习的多目标深度强化学习模型（multi-objective deep reinforcement learning，MDRL）。设计多种优化算子作为强化学习的动作空间，训练策略网络以选择最佳优化算子来改进解决方案。针对多目标问题，
算法研究探讨 | 边云环境中基于深度强化学习的任务卸载和资源分配方法

算法研究探讨 | 边云环境中基于深度强化学习的任务卸载和资源分配方法

摘要：边缘计算允许物联网设备卸载任务到边云环境中执行，以满足任务对资源的需求。由于边云环境的高度随机性和动态性，启发式算法和基于Q表格的强化学习算法难以实现异构任务的高效卸载决策，所以提出了一个新颖的竞争和双深度Q网络（novel dueling and double deep Q network，ND3QN）的深度强化学习算法，用于任务高效卸载和资源分配。ND3QN联合优化任务完成时间和费用，
算法研究探讨 | 面向细粒度应急物资配送的空间众包任务分配算法

算法研究探讨 | 面向细粒度应急物资配送的空间众包任务分配算法

摘要：应急物资的“最后一公里”配送为整个救援行动的末端环节，是提高整个救援行动效率的关键所在。为了解决细粒度的应急物资配送任务分配问题，提出了一种基于K-means聚类的博弈论任务分配算法，该算法能够保证所有任务在容忍时间内得到分配的同时最小化工人数量；然后，设计了一种延迟更新优化策略以进一步提升算法的运行效率；最后，在真实数据集上进行实验，结果表明所提算法与随机任务分配算法、贪心任务分配算法、
系统应用开发 | 基于通道动态窗口法的避障方法

系统应用开发 | 基于通道动态窗口法的避障方法

摘要：针对移动机器人在复杂室内环境下的局部路径规划算法会面临躲避动态障碍物效率低、绕路及不能抵达目标点的问题，提出了一种解决室内路径规划的通道动态窗口算法。该方法选用基于密度的应用噪声空间聚类算法（DBSCAN）先对障碍物分割，在相邻障碍物之间建立通道，并将生成的通道离散化生成一系列的通道点。通过设计的通道点评价函数，选择出最优通道点作为动态窗口法的临时通道点，为动态窗口法提供正确的方向。采用通
系统应用开发 | 结合对比学习的双分支多维时间序列异常检测方法

系统应用开发 | 结合对比学习的双分支多维时间序列异常检测方法

摘要：多维时间序列异常检测是维持复杂工业系统有效运行的必要环节，如何准确识别大量设备中的异常模式是一项重要挑战。现有方案大多对多维时间序列下实体存在的动态依赖关系提取不足并且会受异常数据影响难以重构出正常的模式。为此，提出一种结合对比学习的双分支多维时间序列异常检测方法。首先，通过图结构学习和图特征增强得到实体之间的关联图以捕获动态变化的实体相关性，以及使用长短期记忆网络对时间依赖关系进行提取得
系统应用开发 | 一种新的异构多核平台下多类型DAG调度方法

系统应用开发 | 一种新的异构多核平台下多类型DAG调度方法

摘要：异构多核处理器在异构环境中受限于处理器种类，只能在特定处理器上执行。现有调度方法通常使用多类型DAG（directed acyclic graph）任务模型进行模拟，但调度方法往往忽略不同核上的通信开销，或未考虑处理器与节点的对应关系，导致调度时间开销较大，处理器资源未充分利用，任务效率低。针对上述问题，提出了PNIF（processor-node impact factor）算法。该算法
系统应用开发 | NA-ROB:基于RISC-V超标量处理器的改进

系统应用开发 | NA-ROB:基于RISC-V超标量处理器的改进

摘要：重排序缓存（ROB）是超标量处理器中的重要模块，用于确保乱序执行的指令能够正确地完成和提交。然而，在大规模超标量处理器中，存在ROB阻塞以及ROB容量有限的问题。为了解决上述问题并提高处理器性能，提出了零寄存器分配策略，通过将没有目的寄存器的指令单独存储来避免占用ROB表项。同时，引入容量可动态调整的缓存结构（AROB），将长延时指令与普通指令分别存储在ROB和AROB中，以降低长延时指令
软件技术研究 | 基于误差分量模型的两阶段深度校正算法

软件技术研究 | 基于误差分量模型的两阶段深度校正算法

摘要：为了提高消费级RGB-D相机的深度精度，提出了一种基于误差分量模型的两阶段深度校正算法。该算法根据误差特性建立误差分量模型，引入从短距离到长距离迭代计算思想，设计了两阶段深度校正算法。探究了像素离散化对校正效果的影响，将算法应用于洗浴机器人中，并与其他深度校正算法进行对比。结果表明，该算法可减小深度误差，且像素离散化采样越密集，效果越好。在实际应用中，该算法仍能有效减小深度误差，与其他校正
软件技术研究 | 基于多特征提取和对比学习的知识图谱链接预测

软件技术研究 | 基于多特征提取和对比学习的知识图谱链接预测

摘要：针对传统知识图谱链接预测方法提取图谱节点特征角度单一，且在训练过程中较少考虑节点间复杂的交互作用，构建的负例三元组质量较低等问题，提出了一种链接预测方法，旨在充分利用知识图谱节点间的相互作用和图结构蕴含的交互信息，考虑从多特征角度识别出三元组中的缺失事实。首先，通过不同的节点特征提取方式从不同角度获得节点的嵌入表示，并聚合邻居节点特征以增强其实体语义信息；其次，用多个卷积操作提取实体和关系
软件技术研究 | 时空约束下资源受限的多智能体柔性重叠组织建模

软件技术研究 | 时空约束下资源受限的多智能体柔性重叠组织建模

摘要：在资源受限的多智能体系统中，智能体通常需要与其他智能体协作并获取资源，从而实现增加总体收益或完成复杂任务的目的。而开放系统中资源需求和供应的不确定性导致了信息不对称和竞争加剧，从而增加了资源分配的复杂性和协作成本。因此，构建时空约束下的柔性重叠组织框架。该框架一方面融合时空约束提升信息的时效性及资源分配的合理性，另一方面支持柔性重叠组织使智能体能够同时订阅多个资源，进一步缓解资源受限的问题
软件技术研究 | 基于多尺度潜在特征表示的工业控制协议模糊测试方法

软件技术研究 | 基于多尺度潜在特征表示的工业控制协议模糊测试方法

摘要：工业控制协议（ICP）由于缺乏认证、授权和加密等安全措施，存在大量漏洞，对工业控制系统（ICS）的安全构成重大威胁。模糊测试作为一种主流的漏洞挖掘技术，在ICP中的应用存在测试用例接收率低和多样性不足的问题。为了解决这些问题，提高ICP漏洞挖掘效率，提出了基于多尺度潜在特征表示（multi-scale latent feature representation）的工业控制协议模糊测试方法。
软件技术研究 | 基于二进制重写的混合分析构建控制流图方案

软件技术研究 | 基于二进制重写的混合分析构建控制流图方案

摘要：控制流图（CFG）是二进制程序分析的基础。传统静态分析方法构建控制流图速度快，代码覆盖率高，但不能解决间接跳转问题；动态分析方法能够分析间接跳转，但代码覆盖率低、性能开销大。为更加高效构建完备的控制流图，提出静态动态结合的混合分析方案。首先使用静态分析获取程序的初始控制流图，采用模糊测试的方法获取目标程序不同执行流的输入数据，诱导重写后的目标程序执行获取间接跳转地址；融合静态分析和动态分析
软件技术研究 | IRS-D2D混合通信车联网场景下的资源优化策略

软件技术研究 | IRS-D2D混合通信车联网场景下的资源优化策略

摘要：针对城市道路车联网存在视距链路阻塞和资源有限等问题，提出一种基于混合通信车联网场景下的智能反射面（IRS）辅助的资源优化策略。该方案构建了IRS辅助的车联网系统，并在该系统中使用D2D技术增加距离基站较远车辆的数据传输能力。为了提升系统的频谱效率，在该系统中引入认知无线电技术（CR），将D2D用户下垫式地接入基站用户信道，在不超过基站用户预设干扰门限的情况下传输数据。针对所构建的IRS-D
网络与通信技术 | RIS辅助多MEC服务器的联合任务卸载和资源分配策略

网络与通信技术 | RIS辅助多MEC服务器的联合任务卸载和资源分配策略

摘要：针对传统集中式计算无法有效应对海量设备产生的庞大数据，且移动边缘计算（MEC）服务器资源受限容易引起资源拥塞以及复杂的通信环境导致用户任务卸载传输受阻甚至中断的问题，提出了一种可重构智能表面（RIS）辅助多MEC服务器的联合任务卸载和资源分配方法。由于最大化系统卸载效用问题是一个混合整数非线性规划问题，难以直接求解，于是整体求解过程采用交替优化法，进行迭代求解。通过联合优化RIS处相移矩阵
网络与通信技术 | 物联网边缘计算网络中基于深度强化学习的动态SFC部署策略

网络与通信技术 | 物联网边缘计算网络中基于深度强化学习的动态SFC部署策略

摘要：针对物联网（Internet of Things，IoT）终端的移动性和服务请求的随机性所导致的IoT网络的动态变化，在物联网边缘计算网络（IoT-mobile edge computing，IoT-MEC）中对物联网服务功能链请求流（IoT-service function chain request，IoT-SFCR）进行动态SFC部署是一个具有挑战性的问题。首先将IoT-MEC网络中
信息安全技术 | 基于EMO-GAN的恶意URL检测框架

信息安全技术 | 基于EMO-GAN的恶意URL检测框架

摘要：随着万维网的广泛应用和网络威胁的日益严峻，统一资源定位符（uniform resource locator，URL）的安全性成为了网络安全领域的研究热点，如何有效检测并防范恶意URL已经成为了业内非常关注的问题。针对恶意URL检测中存在的数据获取困难、特征表示不足以及模型概念漂移挑战，提出了一种基于EMO-GAN的恶意URL检测框架（EMO-GAN-based malicious URL
信息安全技术 | 面向分布式最优潮流的隐私保护方法

信息安全技术 | 面向分布式最优潮流的隐私保护方法

摘要：电力系统中包含大量敏感数据，保护这些数据的隐私安全对用户至关重要。针对在分布式最优潮流（optimal power flow，OPF）算法中，由于迭代过程中信息交换频繁导致的隐私泄露问题，提出一种面向分布式最优潮流的隐私保护方法。该算法采用完全分布式计算方法来进一步增强隐私性，并引入了自适应惩罚参数方法以提高计算效率。在算法的迭代过程中对各节点间交流的传输变量添加差分隐私噪声，从而阻止攻击
信息安全技术 | 基于线性同态hash和秘密分享的高效可验证聚合方案

信息安全技术 | 基于线性同态hash和秘密分享的高效可验证聚合方案

摘要：针对目前联邦学习可验证聚合方案存在用户通信开销过大、无法容忍用户退出以及用户退出导致验证效率降低的问题，提出了一种基于线性同态hash和秘密分享的高效可验证聚合方案（LHSSEVA）。首先，采用线性同态hash和同态承诺实现聚合结果的可验证性，保证验证信息通信开销与模型维度无关，同时防止服务器通过伪造聚合hash欺骗用户接受错误聚合结果；然后基于椭圆曲线离散对数问题及其同态性保护输入的隐私
图形图像技术 | 基于神经隐式场的模糊多视图三维重建

图形图像技术 | 基于神经隐式场的模糊多视图三维重建

摘要：基于神经隐式表面的重建方法因其能高保真地重建场景而受到广泛关注。然而，这些研究主要集中在理想输入的重建上，对于模糊输入重建效果并不理想。为了解决以上问题，提出了Deblur-NeuS，一种基于神经隐式场的模糊多视图三维重建方法。通过引入模糊核预测模块和隐式位移场来模拟模糊过程以重建模糊视图和表面，并为模糊表面增加模糊点云监督，优化隐式表面的学习。在测试阶段移除模糊核模块与隐式位移场，即可直
图形图像技术 | 基于潜在有价值样本挖掘的半监督三维目标检测

图形图像技术 | 基于潜在有价值样本挖掘的半监督三维目标检测

摘要：为了解决当前半监督三维目标检测算法中，传统的固定阈值方法在过滤伪标签时不够灵活，舍弃了大量有价值的伪标签，没有充分利用潜在有价值样本的问题，提出了一种基于潜在有价值样本挖掘的半监督三维目标检测方法。首先，不再使用固定阈值过滤伪标签，采用基于得分聚类的自适应阈值生成方法，分别为不同的类别生成过滤伪标签时需要的阈值，保留更多有价值的伪标签；其次，由于标签由类别和边界框信息组成，提出了一种联合置
图形图像技术 | 基于偏移过滤与未知特征强化的开放世界目标检测

图形图像技术 | 基于偏移过滤与未知特征强化的开放世界目标检测

摘要：开放世界目标检测（open world object detection，OWOD）是一个计算机视觉挑战，聚焦于现实世界环境，其不仅要检测出标记出的已知物体，还需要能处理训练过程中被忽视的未知物体。针对已知和未知物体的检测混淆、密集未知目标和小目标遗漏等问题，提出了一种新的基于偏移过滤和未知特征强化的开放世界目标检测器（offset filter and unknown-feature r
图形图像技术 | 基于扩散模型微调的局部定制图像编辑算法

图形图像技术 | 基于扩散模型微调的局部定制图像编辑算法

摘要：针对现有基于扩散模型的图像编辑方法存在无法灵活控制图像编辑区域以及生成个性化内容等问题，提出一种基于扩散模型微调的局部定制图像编辑算法。该方法借助稳定扩散模型作为基础框架，首先从给定的一组图像和词嵌入中学习概念嵌入，并且为了提高模型的训练效率，解决由少量数据训练而产生的过拟合问题，在微调过程中通过分析训练过程中各层参数变化的程度降低训练参数数量；然后在联合分割模型中通过局部选择步骤得到掩码
图形图像技术 | 基于多层次图拓扑对比细化的动作识别

图形图像技术 | 基于多层次图拓扑对比细化的动作识别

摘要：动作识别是计算机视觉领域中的前沿探索，得益于图卷积网络（GCN）处理非欧几里德数据的优势，该方法已成为从骨架数据中提取特征的主流方法。针对目前GCN忽视跨序列信息、对运动轨迹相似度高的模糊样本难以区分等问题，提出一种结合对比学习的图拓扑对比细化方法（graph topology contrast refinement block，GTCR-Block）。首先，根据模型的识别情况，将样本划分
图形图像技术 | 融合音频内容、风格和情感特征的人脸动画生成方法

图形图像技术 | 融合音频内容、风格和情感特征的人脸动画生成方法

摘要：现有的音频驱动人脸动画技术主要注重唇部运动与音频的同步性，忽略了对人物面部表情或头部运动的再现能力。为此，提出了一种融合音频内容、风格和情感特征的高质量人脸动画生成方法（ACSEF）。首先，设计了情感动画模块（EAM），从音频中提取隐含的情感辅助特征来估计更加准确的面部情感标志位移，然后与语音内容和说话者风格动画的面部地标位移进行融合，提高landmarks（面部地标）预测的准确性和生动性
信息集萃 | 下期要目

信息集萃 | 下期要目

◆异构联邦学习在无人系统的研究综述 ◆基于生成对抗网络的人脸属性合成技术综述 ◆基于深度学习的前沿视频异常检测方法综述 ◆TSD-PBFT：基于信誉和标准差聚类的PBFT共识优化算法 ◆S-Raft：一种增强拜占庭和崩溃容错的的Raft算法 ◆基于区块链的动态多用户可搜索加密方案 ◆基于多粒度增强和答案验证的法律文书阅读理解模型 ◆基于问题导向式提示调优小样本文本分类 ◆一种面向知

过往期刊

更多

猜你喜欢

山东工艺美术学院电子阅览室