一种基于注意力机制的对抗型自编码器图像修复模型

为解决图像修复中存在的伪影以及细节表达不一致等问题,提出一种基于注意力机制的对抗型自编码器(adversarial auto-encoder based on attention mechanism,AAEA)图像修复模型。在通用编码器模型基础上,通过在生成器跳跃连接处引入通道注意力构造通道相似性融合模块(channel similarity fusion module,CSFM)的方式使通道之间的特征关系更丰富。在解码器网络中,通过空间注意力与位置编码结合的方式构造位置融合模块(location fusion model,LFM),增强边界位置信息表达。消融实验结果表明,引入的CSFM、LFM模块均能有效提升模型性能,阈值为1.25^(3)时的准确率达到0.9808。AAEA模型能够更好地处理复杂的图像修复任务,有效地改正错乱纹理,并在掩膜边缘区域获得清晰的修复结果,对于壁画修复以及计算机视觉等图像修复领域的发展具有重要意义。

基于文本挖掘的纪录片传播影响因素分析

为了解影响纪录片传播的因素,将爬虫得到数据资源清洗后,经描述统计获得基础影响因素作为分类变量,使用Python得到较精准的中文分词结果,编写Gibbs算法建立LDA模型来进行分析得到不同纪录片适合的困惑度和主题数以及语义网络、词云图等结果。通过分析文本的结果得知人们的价值观与纪录片的传播可展现双向的影响作用,纪录片的拍摄会根据时代的主流与需求进行拍摄,而时代的主流与需求也是人们的价值观最直接的展现;再者,人们通过观看纪录片来了解当下的世界展现给人们的面目,同样这也是一种对人们思维的引领方向,影响较大的为人们的现实需求、纪录片的承载形式以及纪录片的真实性。