虚拟维修中虚拟人的动作模型设计

提出了一种基于维修任务分解的虚拟人动作模型设计方法,将虚拟维修任务分解为三个过程,建立了三个相应的维修动作层次化模型,阐述了维修动作的分类与设计,并将维修动作模型应用到了虚拟维修过程中。实验结果表明,基于维修任务分解的虚拟人动作模型可以有效地将虚拟人技术应用到虚拟维修中,大大提高了虚拟维修的逼真性。

虚拟维修训练系统中数据库的应用

数据库技术在虚拟维修训练系统中起着重要的作用。文章以MySQL数据库为例简述了数据库特点,分析了应用数据库的虚拟维修训练系统的优势,介绍了虚拟维修训练系统中数据库设计的基本方法,结合Torque Game Engine三维引擎开发了具有较好可移植性的虚拟维修训练系统。实验结果表明,将数据库技术应用到虚拟维修训练系统,可以有效提高系统开发的效率。

基于单目图像的三维重建算法实现

目前3D模型的重建主要利用正向建模的方式,预先设计好物体形状、大小、颜色、纹理等,通过建模软件(如C4D,3Ds MAX,Alias)生成所需的3D模型。这种方式对于设计人员的专业知识和软件操作能力要求较高,而且设计所需时间较长,实时性不高。针对这些问题,采取逆向建模方式,利用手机拍摄的图片通过相机标定和坐标转换等方法,在短时间内生成目标三维模型。实验结果表明,目标三维模型具有较高的精度,可以满足3D打印等一系列实际应用需求。

融合笔画特征的胶囊网络文本分类

目前多数文本分类方法无法有效反映句子中不同单词的重要程度,且在神经网络训练过程中获得的词向量忽略了汉字本身的结构信息。构建一种GRU-ATT-Capsule混合模型,并结合CW2Vec模型训练中文词向量。对文本数据进行预处理,使用传统的词向量方法训练的词向量作为模型的第1种输入,通过CW2Vec模型训练得到的包含汉字笔画特征的中文词向量作为第2种输入,完成文本表示。利用门控循环单元分别提取2种不同输入的上下文特征并结合注意力机制学习文本中单词的重要性,将2种不同输入提取出的上下文特征进行融合,通过胶囊网络学习文本局部与全局之间的关系特征实现文本分类。在搜狗新闻数据集上的实验结果表明,GRU-ATT-Capsule混合模型相比TextCNN、BiGRU-ATT模型在测试集分类准确率上分别提高2.35和4.70个百分点,融合笔画特征的双通道输入混合模型相比单通道输入混合模型在测试集分类准确率上提高0.45个百分点,证明了GRU-ATTCapsule混合模型能有效提取包括汉字结构在内的更多文本特征,提升文本分类效果。