区域敏感的场景图生成方法

针对基于关系边界框提取的谓词特征粒度相对较粗的问题,提出区域敏感的场景图生成(region-sensitive scene graph generation,RS-SGG)方法。谓词特征提取模块将关系边界框分为4个区域,基于自注意力机制抑制关系边界框中与关系分类无关的背景区域。关系特征解码器在进行关系预测时不仅考虑了物体对的视觉特征和语义特征,也考虑了物体对的位置特征。在视觉基因组(visual genome,VG)数据集上分别计算了RS-SGG方法针对场景图生成、场景图分类和谓词分类3个子任务的图约束召回率和无图约束召回率,并与主流的场景图生成方法进行了比较。实验结果表明,RS-SGG的图约束召回率和无图约束召回率均优于主流方法。此外,可视化实验结果也进一步证明了所提出方法的有效性。

面向自动驾驶测试场景生成的博弈神经网络算法

为提高自动驾驶车辆虚拟测试场景的可解释性和高风险场景覆盖度,提出了一种将博弈论与神经网络相结合的虚拟测试场景生成算法SIG-GAN(social interactive gaming-generative adversarial network)。以高速匝道合流场景为例,通过捕捉匝道汇入车辆与主车道行驶车辆的交互特征,构建汇入交互博弈模型。利用汇入数据获得车辆优先通行概率来计算博弈策略的纳什均衡求解,并融入S-GAN神经网络模型中进行轨迹生成。同时引入PICT(pairwise independent combinatorial testing)模型对观测区域交互车辆的真实轨迹进行组合测试,结合SIG-GAN算法生成大量具有现实博弈交互行为的高风险交互轨迹。通过与LSTM、S-LSTM、S-GAN等轨迹生成算法进行对比实验,结果显示:(1)模型较其他算法在3.2 s与4.8 s时域下,生成轨迹ADE平均下降25.30%、18.98%、7.02%,FDE平均下降17.33%、16.06%、7.65%,生成精度更为准确;(2)通过组合测试后生成轨迹数量为原始的150倍,覆盖度更高。生成轨迹与原轨迹的碰撞时间(time to collision,TTC)分别集中在1.0577 s、3.5135 s,场景风险程度更大,对自动驾驶汽车的虚拟场景强化测试具有实际意义。

多光源照射下目标图像实时生成方法

由于地理位置、太阳、大气环境等因素限制,无法获取空间目标在各种姿态、光照条件、特别是激光、太阳和背景光共同作用下的实际成像。提出一种多光源照射下目标图像实时生成方法。该方法基于计算机图形学中纹理映射思想,采用现代图形显卡编程技术和帧缓存对象特性,在GPU(Graphics Processing Unit)端采用着色器语言实现多光源作用下目标亮度值高效计算和真实感增强;采用开源三维图形引擎OSG(Open SceneGraph)支持多种格式三维模型文件,提高与国产麒麟操作系统及常用战场态势显示软件的兼容性。仿真实验验证了该方法的有效性和优越性。

基于AIGC技术的古建筑室内场景一致性复原研究

随着人工智能技术的迅速发展,基于人工智能的创成式生成(AIGC)技术在古建筑室内场景复原领域展现出巨大潜力。本文探讨了AIGC技术在古建筑室内场景复原中的应用,以承德避暑山庄碧静堂为案例,重点研究了AIGC技术在确保视觉、风格、空间及历史文化一致性控制中的有效性和应用策略。通过对相关历史文献的分析,结合现场考察和数字化建模,本研究构建并调试出古建筑室内场景复原专用的AIGC模型,实现了碧静堂内部场景的高度复原。研究发现,通过精确的数据训练和模型调整,AIGC技术能够有效复原消失和损毁的古建筑室内场景,为文化遗产保护和学术研究提供了新的视角和工具。本研究不仅拓宽了AIGC技术在文化遗产领域的应用范围,也为今后相关技术的发展和应用提供了理论和实践基础。

情景模拟教学法及形成性评价在病理通识教育中的应用研究

文章将情景模拟教学法与形成性评价相结合,围绕教学大纲内容精心设计病理学通识课程情景模拟教案,优化课程形成性评价体系,对授课师资进行培训使授课教师熟知整个情景模拟过程以便于正确地引导和评价,让学生根据情景模拟要求进行角色分工、撰写剧本、课前排练、课堂上进入模拟现场,从而进入学习状态。授课教师根据教案设置,仔细观察每位学生的表现,并应用形成性评价体系对学生的表现进行现场评估,开展师生随堂评教、督导评教及同行评议等多维度教学评价。病理通识教育以学生为主体,实现情景模拟教学法与形成性评价的优势互补,以提高通识教育的教学效果,培养具有国际视野、满足国家与社会需求、符合“四新”要求的高素质拔尖创新人才,为医学通识教育改革提供新的思路和手段。

基于多模态对比学习的场景图生成方法

场景图生成方法(SGG)主要研究图像中的实体及其关系,广泛应用于视觉理解与图像检索等领域。现有的场景图生成方法受限于视觉特征或单一视觉概念,导致关系识别准确率较低,且需要大量的人工标注。为解决上述问题,文中融合图像和文本特征,提出了一种基于多模态对比学习的场景图生成方法MCL-SG(Multimodal Contrastive Learning for Scene Graph)。首先,对图像和文本输入进行特征提取,得到图像和文本特征;然后,使用Transformer Encoder编码器对特征向量进行编码和融合;最后,采用对比学习的自监督策略,计算图像和文本特征的相似度,通过最小化正样本和负样本之间的相似度差异完成训练,无需人工标注。通过大型场景图生成公开数据集VG(Visual Genome)的3个不同层次子任务(即SGDet,SGCls和PredCls)的实验表明:在mean Recall@100指标中,MCL-SG的场景图检测准确率提升9.8%,场景图分类准确率提升14.0%,关系分类准确率提升8.9%,从而证明了MCL-SG的有效性。

结合对象属性识别的图像场景图生成方法研究

场景图生成在视觉场景深度理解任务中发挥着重要的作用。现有的场景图生成方法主要关注场景中对象的位置、类别以及对象之间的关系,而忽略了对象属性蕴含的丰富场景语义信息。为了将图像属性语义融入场景图,提出了一种结合对象属性识别的图像场景图生成方法。首先针对属性识别的多标签分类问题,提出了一种基于混合分类器的属性分类损失函数来进行属性识别,通过结合二值交叉熵函数训练的二分类器和改进的团组交叉熵函数训练的多分类器来实现单个属性分类的查准率和多个属性预测的查全率全面提升。其次,通过将属性识别分支与原有场景图框架进行融合,将提取的属性信息作为额外的上下文语义与对象特征进行融合后辅助对象之间关系的识别。最后,模型在VG150数据集上与多个基准模型进行了对比实验,结果表明所提模型的对象属性预测和关系识别均取得了更优的结果。

大学生生成式人工智能工具使用现状及提升策略

生成式人工智能从功能侧重、场景使用等各方面对新时代的教育模式带来冲击。高校应从明确定位、发挥优势、驾驭功能等方面理清大学生对生成式人工智能工具的使用,并进一步从主动融合,搭建人工智能工具使用场景;正确引导,建立人工智能工具使用规范;积极提升,增强人工智能工具使用效能;鼓励创新,优化人工智能工具使用产出等方面提出具体策略。

数据确权协商机制的构建——基于生成场景的多元化

作为新型生产要素,数据的重要性不言而喻,但权属不清或产权不明影响数据效能发挥,阻碍数字经济发展。就概念界定而言,数据是信息的载体和表现形式,二者通过数字技术相互联结、相互贯通。现行规则下,无论是物权法模式,还是知识产权法模式,抑或是竞争法模式,都存在明显弊端,实不足取。究其根本,数据是一种生成品,其生成场景表现出多元化特征。鉴于此,数据产权应当归数据来源者和处理者等参与数据生成的主体所有,并且可以通过构建分散式、低成本的协商机制加以确定。与此同时,为保证确权协议格式条款的协商属性,宜对数据进行分类分级。一方面,以数据来源者为标准,将数据分为个人数据、企业数据以及公共数据;另一方面,以数据安全风险为标准,将数据分为由低风险至高风险的五级数据。

面向发电机组的通用物联网平台的关键技术分析

通用物联网平台能有效整合企业的物联网设备,让企业实现数字化管理。文章对面向发电机组的通用物联网平台的关键技术进行分析,首先分析物联网平台的体系架构,包括基础架构、技术选型和功能设计等方面。其次重点探讨平台实现过程中的几个关键技术,包括场景联动、Netty信息服务、时序数据挖掘等,并通过伪代码解析了技术的实现过程。最后,对平台进行部署,实现对发电机控制器的监控,并通过了检测机构测试,在发电设备生产企业具备应用和推广价值。

考虑综合相似性度量的光伏典型出力场景聚类方法

场景聚类是描述不确定性光伏典型出力特性的有效途径之一,如何度量波动繁杂的光伏发电曲线相似性以及生成具有代表性的光伏出力场景是目前亟需解决的问题。为此,提出一种考虑综合相似性度量的光伏典型出力场景聚类方法,其基本思路是首先考虑光伏发电的电量大小、形态趋势、波动位置相似性,得到适用于光伏发电曲线的综合相似性度量距离;其次将形态质心作为优化问题求解,再用同倍比放大法得到兼顾电量和形态的实际质心,针对传统聚类算法在初始中心确定等方面的不足,以二十四节气为区间提出基于改进K-means算法的光伏典型场景集生成模型;最后构建光伏发电场景集指标评价体系,以熵权Topsis法对典型出力场景集进行综合评价。云南某地装机50MW的光伏电站2018—2020年算例结果表明:该文算法能准确划分和提取典型光伏出力场景,且以节气为区间生成的典型场景集在波动和电量指标上都有较好的表现,证明算法的有效性。

考虑风光出力动态相关性的场景生成方法

针对风光出力的不确定性问题提出一种利用混合Copula函数结合多元正态分布的风光出力场景生成方法。基于风电功率和光伏功率的历史数据建立风光出力的联合分布模型,进一步通过多元正态分布和协方差矩阵生成具有动态相关的风光出力联合分布序列;采用马尔科夫链蒙特卡洛抽样法生成风光出力场景的随机分布数,通过逆变换法得到相应的风光出力场景;对不同方法生成出力场景进行对比,分析动态相关下风光出力场景的拟合效果和耦合效应。结果验证所提方法的有效性,生成的出力场景能够较好地刻画风光单独出力和耦合出力时的不确定性。

基于改进生成对抗网络场景生成的长-短期储能优化配置

占比不断提高的新能源对新型电力系统的灵活性调节能力提出了新需求。为此,提出了一种长-短期储能优化配置方法,通过短时功率与长期电量的双重调节来保障系统的多时间尺度灵活性调节能力。首先,提出了一种基于改进生成对抗网络的风光联合出力场景生成方法,通过加入月份标签信息对风光出力的边界进行准确刻画;其次,综合考虑不同类型储能的技术特点,提出一种长-短期储能的运行配合策略;最后,建立了兼顾经济性和灵活性双重目标的长-短期储能配置双层优化模型,通过对上下层模型的不断优化迭代得到最优储能配置方案。以改进的IEEE-RTS 24节点系统为例进行验证,研究结果表明所提方法可有效提升高渗透率电力系统的灵活性与经济性。

基于倒谱特征数据增强的真实场景合成语音检测

现有合成语音检测系统在真实场景下性能损失严重。本文提出了一种基于频域掩蔽的倒谱特征数据增强方法。该方法对输入信号的线性滤波器组特征(LFBs)进行频域掩蔽,以引入符合真实场景的语音失真;计算掩蔽特征的线性频率倒谱系数(LFCC),以降低特征维度,提升检测性能。本文利用轻量级卷积神经网络(LCNN)、深度残差网络(ResNet)和一维卷积Transformer模型(OCT)建立了3种检测系统,用于验证所提方法的有效性。真实场景数据集上的实验结果表明,所提方法可使不同合成语音检测系统的等错误率(EER)相较无增强的基线降低6.39%~25.95%。将所提方法与基于音频编解码的增强技术相结合时,不同系统的EER比基线降低31.71%~42.47%,进一步提升了系统对真实场景的泛化能力,且性能优于现有数据增强方法。

一种北斗+5G试验场景构建及联合定位结果分析

通导融合是综合定位、导航和授时(positioning,navigation,timing,PNT)体系发展的重要组成部分和关键方向。以PNT体系需求以及用户典型应用为牵引,研究了联合定位的融合算法;采用北斗和第五代移动通信技术(5th generation mobile communication technology,5G)这2种PNT手段,设计并构建了2类典型试验场景:室内5G信号定位场景、室外北斗+5G联合定位场景。围绕定位精度这一关键指标开展了试验验证。最后结合未来工业互联网2.0应用以及未来6G的定位预期,阐述了北斗与5G通导融合、一体化的未来发展趋势。

计及风光不确定性和相关性的虚拟电厂参与电-碳-绿证市场优化调度

高比例可再生能源的注入为虚拟电厂引入了许多不确定因素,如果忽略或不准确地表征这些不确定性,将会给虚拟电厂的运行调度带来巨大风险。为解决这一问题,考虑虚拟电厂内风光能源的相关性,将Frank-Copula作为“连接函数”求解风光出力的联合分布函数,从而生成典型的风光出力场景。为最小化虚拟电厂的运营成本,综合考虑电-碳-绿证市场和激励型需求响应机制,分别采用区间法、阶梯碳价及古诺模型来描述需求响应、碳价格和绿证价格的不确定性,构建基于区间线性规划的虚拟电厂优化调度模型。案例研究结果表明,该模型能量化各组成部分不确定性对虚拟电厂调度的风险,确保虚拟电厂安全可靠运行的同时具有一定的经济性。

面向模拟环境的自动驾驶道路场景生成方法研究

针对生成自动驾驶系统道路场景的问题,提出面向模拟环境的道路场景生成方法。该方法定义并实现了八类道路组件,使用基于指导的道路组件拼接方法将道路组件拼接为道路场景,根据道路场景的拓扑结构计算道路场景之间的相似度完成去重。去重后的道路场景在自动驾驶系统与模拟器中开展联合仿真。实验表明,相较于基于随机拼接的道路场景生成方法,该方法能够生成可以直接应用于自动驾驶系统测试的多样化的道路场景,弥补了几何与拓扑结构多样性不足的局限性问题。

基础地理实体数据存储与交换模型研究

实景三维自提出以来,不断探索新模式新方法并取得了显著成效。然而由于建模方法和软件工具多样,不同地区基础地理实体数据格式、数据标准并不完全兼容,统一高效的存储格式标准还是空白,严重阻滞了数据在不同区域不同行业间的共享流通。本文以畅通不同格式、不同类型数据交互为重点,梳理分析当前用于存储地理实体数据模型现状,以当前地理实体数据交换格式标准为基础,研究统一、通用、开放的地理实体数据存储与交换模型,并结合实际生产数据进行探索试验,验证了本文方法的可行性,为形成可供广泛交流和共享的标准规范,促进实景三维数据的应用和推广提供参考。

基于节点电价的有源配电网智能软开关优化配置

随着“双碳”目标的落地,主动配电网中间歇性分布式电源DG渗透率不断提高,其带来的电压越限和网络阻塞等问题日益突出。智能软开关SOP可以代替联络开关接入配电网,正常运行时SOP可以实现实时的电压调节和潮流控制,提供快速的故障隔离和供电恢复,提高配电网可控性。由于SOP的配置成本较高,其选址定容则问题成为了问题的核心。提出一种以节点边际电价LMP为基础的SOP优化配置方法。首先,针对DG运行的不确定性,使用模糊聚类的方法生成典型场景,通过以改善系统节点电价分布为基础的选址策略确定SOP最佳接入位置;在此基础上,建立上层以系统年运营成本最低、下层以系统运行损耗最低为目标的双层模型。结合锥规划方法对优化选址后的模型并进行求解。最后以改进IEEE33节点配电系统为算例,验证了文中提出的SOP配置方案的可行性。算例结果表明,采用文中提出的方法可以有效改善系统节点电价分布、降低配电网综合年运行费用,提升系统运行经济性。

基于生成对抗网络的维语场景文字修改网络

通过对维语的场景文字检测与识别研究发现,人工采集标注自然场景文字图像是耗时耗力的,因此人工合成的数据是作为训练数据的主要来源。为获得更加真实的数据,本文提出一种基于生成对抗网络的维语场景文字修改网络,利用高效的Transformer模块构建网络,充分提取图像全局与局部特征来完成维语场景文字图像修改,并添加微调模块,对最终结果进行微调。采用WGAN思想策略训练模型,可有效应对模型崩溃以及梯度爆炸等问题。通过在英文-英文,英文-维文的文字修改实验来验证模型的泛化能力和鲁棒性,无论在客观评价指标(SSIM、PSNR)还是视觉上均取得不错效果,并在真实场景数据集SVT以及ICDAR 2013上进行了验证。