插值Loop细分Pytorch3D三维VR重建

针对Pytorch3D三维重建的模型易产生空洞、断角和狭长三角形的问题,提出一种基于插值Loop细分的Pytorch3D三维重建方法。首先从20个视角对1个包含纹理的三维模型进行采样,采样后的图像合成为原始数据集;接着使用ResNet-50网络学习图像特征,使用三维卷积模块提取三维特征;随后用插值Loop细分原始网格,并以结果网格作为变形网格,将提取的特征投影到网格顶点上,利用图卷积神经网络实现变形,最终完成三维重建。结果表明,所提方法较好地解决了原版Pytorch3D方法的空洞、断角、狭长三角形问题,重建损失值和Hausdorff距离显著下降,三维重建可视化效果更好。

基于知识图谱的文学叙事可视化研究

为了方便读者理解长篇文学作品、理清故事情节和人物关系,针对如何将知识图谱和叙事可视化结合以达到上述目的展开研究。以“激流三部曲”为研究案例,运用共词分析法构建共现矩阵,使用Apriori算法挖掘关联规则,采用狄利克雷分布(latent Dirichlet allocation,LDA)模型划分文章主题,通过知识获取方法整理并抽取文本中的实体、属性、关系,利用资源描述框架(resource description framework,RDF)存储人物关系数据,构建知识图谱。再使用iStoryline对文学作品的剧情脉络进行叙事可视化,并将知识图谱与故事线并列对照显示。将自然语言处理、知识图谱和叙事可视化故事线相结合,使读者能够在了解人物关系的同时,理清故事的情节脉络。

瑶族纹样符号的智能分类方法

目的针对人工分类方法繁琐且耗时的问题,依托人工智能技术对纹样符号进行智能分类,能够在减少耗时问题的同时,有效提高其分类的精确度,从而促进对少数民族民俗文化的传播。方法首先从符号学及传播学角度分析智能分类的价值,然后通过文献研究、田野调查等方法收集瑶族服饰、织锦上的纹样符号并制作数据集,然后对其进行初步分类和预处理,最后采用CNN算法和Faster R-CNN算法分别对数据集进行训练和测试。结论经过训练和测试表明,两种算法均能实现瑶族纹样的智能分类,并且识别的平均准确率较高。其中基于Faster R-CNN算法的智能分类方法可以对图片中的多种纹样进行定位和细化分类,更适合应用到实际场景中,且能够与新媒体传播方式相结合,借助民俗符号阐释和传播瑶族民俗文化,这对少数民族非物质文化遗产的保护和传承有着重要的价值和意义。

关于“减少死刑,延长生刑”的思考

随着《刑法修正案(八)》废除了13个死刑罪名,刑罚体系变革再次引起了我国社会的广泛关注。一部良好的刑法典,其刑罚的轻重衔接必须符合相对科学、合理的阶梯性结构,因此改变我国刑罚体系"死刑过重、生刑过轻"的现状显得尤为重要。本着罪责刑相适应的原则和立足我国国情、尊重历史、严谨地借鉴其他国家的经验,"减少死刑,延长生刑"是目前调整和优化我国刑罚体系的调整方向。

基于二面角逆插值Loop细分的渐进传输方法

随着虚拟现实、增强现实等领域快速发展,渐进传输获得了良好的用户体验。为了三角网格在移动终端的快速传输和显示,提出了一种基于二面角逆插值Loop细分(DRILS)的渐进传输算法。主要通过对原始三角网格进行基于二面角插值Loop细分(DILS)和插值Loop细分(ILS)进行预处理,在局部特征精确保持的同时获得具备细分连通性的精网格。在渐进传输的过程中通过对该精网格迭代操作3个步骤,即奇偶顶点划分、预测偏移量、更新三角网格。由于采用DILS与ILS结合获取精网格,在渐进传输的过程中保持了精确的局部特征,同时也加快了渐进传输的速度。实验对比表明,该算法精确、高效,适应于移动终端设备的显示传输及存储。

博览

全运会为何会有“先期项目”第十四届全运会9月15日在西安开幕,然而在正式开幕前,跳水、羽毛球、射击、足球等多个项目的比赛已然在火热进行中,一些观众在观看比赛的同时也产生了疑问:为什么十四运还没有正式开幕,就已经开始并产生金牌了?其实,全运会的“先期项目”不仅是一种惯例,而且成为一种“必须”。十四届全运会共设35个大项、410个小项,项目设置超过奥运会,9月15日开幕、9月27日闭幕,正式赛期只有13天时间,少于奥运会的16天;全运会承办地的场馆中有不少都分散在各个地市。

博览

“踏着父母之足迹,以建设新中国为志”“红岩上红梅开,千里冰霜脚下踩,三九严寒何所惧,一片丹心向阳开……”一首《红梅赞》,荡气回肠;一段革命史,令人难忘。