基于场景流的可变速率动态点云压缩

针对现有的动态点云压缩神经网络需要训练多个网络模型的问题,提出基于场景流的可变速率动态点云压缩网络框架.网络以原始动态点云为输入,利用场景流网络进行运动向量估计,在压缩运动向量和残差的同时,引入通道增益模块对隐向量通道进行评估和缩放,实现可变速率控制.通过综合考虑运动向量损失和率失真损失,设计新的联合训练损失函数,用来端到端地训练整个网络框架.为了解决动态点云数据集缺少真实运动信息标签的问题,基于AMASS数据集制作带有运动向量标签的人体数据集,用于网络的训练.实验结果显示,与现有的基于深度学习动态点云压缩方法相比,该方法的压缩比特率下降了几个数量级,与静态压缩网络单独处理每帧的重构效果相比,该方法有5%~10%的提升.

“互联网+教育”背景下小学数学生活化教学方法探讨

信息技术是实现创新型社会以及产业升级转型的动力之一。在培养人才的过程中,创新能力是学生需要具备的基础能力,对国家人才发展具有重要意义。“互联网+教育”是一种新型智慧教育模式,应用于小学数学教学中能够为枯燥的课堂教学模式注入活力,提升数学学习的趣味性。小学阶段的学生认知水平有限,思维发展处于形象化阶段,教师可以将数学知识与生活元素相结合,借助“互联网+教育”优势转变数学知识的呈现方式,降低学习难度,提升学生的参与感,实现高效教学,并培养学生的核心素养。