基于ⅢF A/V规范和Avalon系统的大学图书馆视听数据库建设研究

随着中国网络基础设施的不断改善,视听媒体在年轻一代中非常流行,给以文本资源为主的图书馆带来了挑战。本研究旨在探究国内外大学图书馆视听资源数据库建设的现状,借鉴ⅢF规范在图像资源管理方面的成功经验和各种视听保存社区的实践,提出基于ⅢF A/V规范与开源软件的中国大学图书馆视听资源管理方法。通过分析华东师范大学图书馆在视听资源保存、流媒体发布、时间轴气泡注释、转录、视听结构化和开放共享方面的实践,进行实证研究。

基于扩张卷积和Transformer的视听融合语音分离方法

为了提高语音分离的效果,除了利用混合的语音信号,还可以借助视觉信号作为辅助信息。这种融合了视觉与音频信号的多模态建模方式,已被证实可以有效地提高语音分离的性能,为语音分离任务提供了新的可能性。为了更好地捕捉视觉与音频特征中的长期依赖关系,并强化网络对输入上下文信息的理解,本文提出了一种基于一维扩张卷积与Transformer的时域视听融合语音分离模型。将基于频域的传统视听融合语音分离方法应用到时域中,避免了时频变换带来的信息损失和相位重构问题。所提网络架构包含四个模块:一个视觉特征提取网络,用于从视频帧中提取唇部嵌入特征;一个音频编码器,用于将混合语音转换为特征表示;一个多模态分离网络,主要由音频子网络、视频子网络,以及Transformer网络组成,用于利用视觉和音频特征进行语音分离;以及一个音频解码器,用于将分离后的特征还原为干净的语音。本文使用LRS2数据集生成的包含两个说话者混合语音的数据集。实验结果表明,所提出的网络在尺度不变信噪比改进(Scale-Invariant Signal-to-Noise Ratio Improvement,SISNRi)与信号失真比改进(Signal-to-Distortion Ratio Improvement,SDRi)这两种指标上分别达到14.0 dB与14.3 dB,较纯音频分离模型和普适的视听融合分离模型有明显的性能提升。

视听语言智能康复技术对语言发育迟缓儿童语言功能的影响

目的 探究视听语言智能康复技术对语言发育迟缓儿童语言功能的影响,为语言发育迟缓儿童的语言功能训练提供临床参考依据。方法 选取2022年1月~2023年3月兰州大学第二医院收治的80例语言发育迟缓儿童,随机分为研究组和对照组各40例。对照组进行常规语言训练,研究组在常规语言训练基础上联合使用视听语言智能康复技术,治疗3个月。治疗前后采用Gesell发育量表评估两组的适应性能力、语言能力、个人社交能力,并采用ICF(international classification of functioning disability and health)早期语言障碍评估与干预治疗仪对儿童词语、句子理解能力进行评估。结果 治疗前两组患儿适应性能力、语言能力、个人社交能力3大能区发育商以及词语理解、句子理解能力得分无显著差异(P>0.05)。治疗后研究组适应性能力、语言能力、个人社交能力3大能区发育商显著提高(P<0.05)。两组患儿词语理解、句子理解能力得分均显著提高,且研究组显著高于对照组(P<0.05)。结论 针对语言发育迟缓儿童语言能力的改善,常规语言训练结合视听语言智能康复技术比单纯常规语言训练效果更好。

视听文本机器翻译质量测评和译后编辑研究——以《畅游赣鄱——水文化英文之旅》慕课字幕翻译为例

机器翻译给人们带来了便利,同时促成了译后编辑的诞生。本文以《畅游赣鄱——水文化英文之旅》慕课字幕文本为研究样本,在MQM(Multidimensional Quality Metrics)质量评估框架基础上提出视听文本机器翻译产品质量评估标准,量化其错误值,测试机器翻译质量,并由此提出译后编辑的三级模式:轻度译后编辑(Light Post-editing, LPE)、中度译后编辑(Moderate Post-editing, MPE)和重度译后编辑(Full Post-editing, FPE)。

面向社区图书馆的音像资源阅读推广活动研究——以北京市社区图书馆为例

音像资源作为馆藏非书资料之一,在图书馆阅读推广活动中扮演着重要角色。社区图书馆作为现代公共文化服务体系的公益性基础节点,承担着向居民个体提供均等化服务的重要职责。论文指出了音像资源社区图书馆阅读推广的理论导向,诠释了其在社区图书馆阅读推广中的价值体现,结合调研揭示了推广问题症结,然后有针对性地提出了推广策略。通过建立需求调研机制、塑造适合的阅读空间、加强音像资源配置、开通自助借还服务、打造线下活动品牌、搭建网络阅读推广平台六项可行性、有效性的实践举措,发挥音像资源在基础公共文化空间引领居民文化自信的作用。

二重情境:数字视听文化中的身份构建与认同疏离

数字视听媒介及其文化的发展创造了新的情境,推动用户产生新的媒介实践,但也带来了新的问题和现象,即情境生成逻辑向流媒体用户让渡的转变、情境功能作为交往工具的偏移,以及情境秩序在去公共性过程中权力再结构化的取向。其中隐含着情境之于用户身份构建的二重性:一方面,流媒体用户依据情境构建身份,身份的构建过程进一步激发了情境的创造;另一方面,这些被构建的身份呈现出去情境化的流动趋向,造成了身份与认同的疏离。对此,文章在厘清数字视听文化新情境特征的基础上,阐释流媒体用户基于身份的情境互动过程,以及身份认同疏离的成因及危机。更进一步,文章尝试将新媒介—新情境—新行为的线性模式延展为更具解释力的用户主导循环模式,并提出通过共识的凝聚、公共性的重拾和共同体的重建,推动数字视听文化的良序发展。

虚拟现实动画视听语言及叙事研究

虚拟现实动画以虚拟现实媒体为载体,具有沉浸感、交互性、构想性、多感知性的特征,其题材丰富,包括现实题材、历史题材、微观世界等类型。围绕虚拟现实技术支持下的虚拟现实动画展开深入研究,发现虚拟现实动画的叙事方式具有可选性、多样化、真实性、还原性特征,强调空间对时间的取代性,叙事节奏放缓。在叙事设计方面,虚拟现实动画基于观者、视觉、声音等维度展开。在视听语言方面,虚拟现实动画运用镜头语言、声音语言、光影语言进行创新。

基于语料库的视觉行为动词翻译研究——以《骆驼祥子》两译本为例

基于《骆驼祥子》两译本的平行语料库,以视觉行为动词为切入点,探究视觉行为动词翻译与译者风格的关系。研究发现:1)翻译过程中两译者都倾向于将视觉行为动词进行明晰化翻译处理,尤其体现在心理层面视觉动词的翻译上;2)两译本的明晰化程度不同,施晓菁译本较葛浩文译本明晰化程度更高;3)翻译明晰化程度不仅体现出译者对源语理解的差异,也体现出译者风格的差异。

以批判性思维培养为导向的英语阅读教学研究——基于Cite Space的可视化分析

以Web of Science核心合集为数据来源,运用信息可视化软件CiteSpace对2000—2022年以批判性思维培养为导向的国外英语阅读教学研究进行知识图谱分析,结果表明相关研究呈现波动上升的趋势。关键词共现分析显示研究集中于个体思辨微技能的培养、课堂实施和教学研究等三个方面。关键词聚类分析显示较为集中的领域包括教学策略、信息加工、课堂干预、阅读习惯等。关键词突现分析则指向了“词汇”“语音意识培养”“教学实操”等前沿话题。

对抗速朽:对当代数字视听文化的批判性反思

基于对当下代表性数字视听内容样态的分析,文章探讨数字视听文化迭进的规律,并立足于媒介文化的历史与社会角色展开反思。通过对网络综艺、网络微短剧、剧场化平台和虚拟现实项目四种样态的考察,提出当代数字视听文化在演进过程中体现出丰富多元的态势,呈现出结构化和展演性的新特征,并以智能化为未来向度。据此,可从五个方面展开对数字视听文化的速朽性的批判性反思。数字视听文化发展的基本矛盾是其艺术属性与媒介属性关于传播效能问题的分歧,应以对抗速朽为价值目标检视数字技术加诸文化的消极影响。通过回归马克思主义经典文化理论的方式,探索以坚持历史标准和公共旨趣的“活文化”来对抗速朽的可能路径。

分层特征编解码驱动的视觉引导立体声生成方法

视觉引导的立体声生成是多模态学习中具有广泛应用价值的重要任务之一,其目标是在给定视觉模态信息及单声道音频模态信息的情况下,生成符合视听一致性的立体声音频.针对现有视觉引导的立体声生成方法因编码阶段视听信息利用率不足、解码阶段忽视浅层特征导致的立体声生成效果不理想的问题,提出一种基于分层特征编解码的视觉引导的立体声生成方法,有效提升立体声生成的质量.其中,为了有效地缩小阻碍视听觉模态数据间关联融合的异构鸿沟,提出一种视听觉特征分层编码融合的编码器结构,提高视听模态数据在编码阶段的综合利用效率;为了实现解码过程中浅层结构特征信息的有效利用,构建一种由深到浅不同深度特征层间跳跃连接的解码器结构,实现了对视听觉模态信息的浅层细节特征与深度特征的充分利用.得益于对视听觉信息的高效利用以及对深层浅层结构特征的分层结合,所提方法可有效处理复杂视觉场景中的立体声合成,相较于现有方法,所提方法生成效果在真实感等方面性能提升超过6%.

协调与偏好:山地城市公园聚集性空间青年人群视听感知

【目的】随着城市更新进入“品质提升”与“人本健康”阶段,基于视听感知评价的景观设计成为满足青年群体复杂需求的重要方法。山地城市公园中的聚集性空间承载着当地的人地关系,为满足青年群体的视听感知需求,探究其视景、声景偏好与空间要素,评价聚集性空间的视听感知协调度,以及视听感知与满意度相关性,对山地公园视景、声景营造与环境品质提升具有重要价值。【方法】以重庆市渝中区枇杷山公园和鹅岭公园的5类聚集性空间作为研究对象,通过视声景调研与空间实测,选取12个视觉感知指标与10个听觉感知指标,形成问卷评价量表,采用主成分分析、Spearman相关性分析和多元线性回归分析,探索青年群体的视听感知协调度,以及各视听感知维度对视景、声景满意度,各类聚集性空间环境满意度与公园整体环境满意度的影响。【结果】2个公园视景与声景总体协调,不同类型山地聚集性空间的视听感知评价结果具有较大差异,影响公园视景、声景,各类空间环境和公园整体环境满意度的指标各不相同。【结论】在揭示山地城市公园环境感知与满意度评价主要影响因素的基础上,提出综合环境品质的提升策略:营造兼顾视听偏好的山地聚集性空间、构建视景与声景协调的山地场所序列、基于环境满意度进行因地制宜的设计。以期为山地城市公园的视景、声景营造和环境品质提升提供参考。

非自然的内容、非自然的形式——电影叙事的非自然性

后经典叙事学强调理论流派的融合发展,将电影叙事学与非自然叙事学相融合的电影非自然叙事研究成为后经典叙事学领域的一个必要支派。电影叙事中非自然的内容与非自然的形式是电影非自然叙事研究的核心问题。电影叙事内容的非自然性通过世界图式呈现为“不可能”的故事世界,电影叙事形式的非自然性与语篇图式和语言图式中出现的图式干扰相关。语篇图式的非自然性往往源于影片采用的伪线性和反线性的反常规叙事结构,语言图式的非自然性常常表现为视听并行与视听对立的反常规视听互动模式。

基于多模态的井下登高作业专人扶梯检测方法

目前大多数的井下人员不安全行为识别研究侧重于在计算机视觉上提高精度,但井下易出现遮挡、光照不稳定、反光等情况,仅采用计算机视觉技术难以实现对不安全行为的准确识别,尤其登高作业中的爬梯、扶梯等相似动作在识别过程中易被混淆,存在安全隐患。针对上述问题,提出一种基于多模态的井下登高作业专人扶梯检测方法。该方法从视觉和音频2个模态对监控视频数据进行分析。视觉模态方面,采用YOLOv8模型检测登高梯是否存在,如果存在,获得登高梯的位置坐标,并将视频段放入OpenPose算法中进行姿态估计,得到人体的各个骨骼关节点的特征,将这些骨骼关节点序列放入改进的时空注意图卷积网络(SAT−GCN)中,得到人体动作标签及其对应概率。音频模态方面,采用飞桨自动语言识别系统将语音转换为文本,使用双向编码器表示(BERT)模型对文本信息进行特征分析与提取,得到文本标签及其对应的概率。最后将视觉模态与音频模态得到的信息进行决策级融合,判断井下登高作业是否有专人扶梯。实验结果表明:基于骨架数据的动作识别中,优化后的SAT−GCN模型对于扶梯、爬梯、站立3种动作的识别精度分别提升了3.36%,2.83%,10.71%;基于多模态的检测方法比单模态方法具有更高的识别准确率,达到98.29%。

国内构式研究可视化分析(2002-2022)

本研究运用Citespace可视化分析软件,对中国知网学术期刊数据库收录的(2002-2022)主题为“英语构式”和“汉语构式”的共1 236篇CSSCI文献进行科学知识图谱分析。研究发现:(1)国内构式研究的发文量整体上呈逐年递增状态,其中汉语构式研究的发文量高于英语构式研究;(2)研究前沿聚焦三类课题:构式理论引介、构式与语义的互动关系,以及汉语构式个案研究;(3)研究热点主要集中在汉语构式案例研究和英语构式应用于我国英语学习者的语言习得与教学研究。本文最后展望了构式研究的发展方向,以期为后续研究提供参考。

视听联合手指活动训练对老年痴呆患者认知功能的影响

为了探讨视听联合手指活动训练对老年痴呆患者认知功能的影响,本文选取昆明市某养老院近一年120例老年痴呆患者纳入研究,将其随机分为对照组和实验A,B,C四个组别,每组30名,对照组不做干预,A组行视听训练,B组行手部动作训练,C组行视听联合手指活动训练。干预8周,每周5次,每次2h。比较各组患者的MMSE和MoCA评分,观察其认知功能的变化。结果表明,8周后与对照组相比,三组患者评分均有提高,差异有统计学意义P<0.05,其中C组患者提升最明显。研究认为视听联合手指活动训练对改善老年痴呆患者的认知功能有较为积极的作用。

噪声下学龄孤独症谱系障碍儿童视听双通道下语音理解能力特征研究

目的 探究噪声下视听双通道学龄孤独症谱系障碍(ASD)儿童语音理解能力特征。方法 选取2023年3—7月在杭州复旦儿童医院、杭州合欣潜能发展中心、杭州启音康复中心等机构接受干预的、平均年龄为(7.00±1.11)岁的ASD儿童28例为观察组,取同期于萧山湘湖小学就读的年龄、性别匹配的健康儿童29例为对照组。将录制好的包含5个噪声下视听条件的测试材料导入E-Prime3.0进行测试,并对反应时、反应率和正确率进行统计分析。结果 两组反应时在面部和口部条件下比较,差异有统计学意义(P <0.05),正确率在所有条件下比较,差异均有统计学意义(P <0.05),反应率在纯听条件下比较,差异有统计学意义(P <0.05)。观察组内面部、口部条件下的反应率和正确率与其他3个条件比较,差异有统计学意义(P <0.05),反应率在听+面部条件下与纯听条件比较,差异有统计学意义(P <0.05)。对照组内所有参数均在口部、面部条件下与其他3个条件比较,差异有统计学意义(P <0.05)。结论 学龄ASD儿童噪声下视听双通道语音理解能力存在缺陷,主要表现在对关键信息的提取能力、处理速度和稳定性上。面部信息对学龄ASD儿童的言语整合存在促进作用。

数字人文视域下国内科技典籍英译研究回顾与展望(2000—2023)——以VOS Viewer、CiteSpace、Voyant Tools和Python为工具

科技典籍是传播中国科技成果和文化的重要途径,是中华文化走出去的重要组成部分。为把握国内科技典籍英译研究的特点,客观反映该领域各个学者和发文机构的影响力,文章以VOS Viewer、CiteSpace、Voyant Tools和Python为可视化分析工具,绘制知识图谱,基于发文主体、主题、热点、趋势和典籍分布,对2000—2023年中国知网(CNKI)收录的相关研究文献进行了分析。结果表明:国内科技典籍英译研究可分为萌芽期、快速增长期和稳定增长期三个阶段;发文最多的作者为张焱,引领机构是南京中医药大学;研究主要集中在《黄帝内经》《茶经》、翻译策略和译介等主题;医学类典籍和农学类典籍研究数量最多,仍有67%的英译典籍未受到学者关注。要进一步推动科技典籍英译研究向前发展,应拓展研究和理论视野,聚焦多元文本,充分整合类型典籍,加强合作研究,并强调方法创新的重要性。

国内《道德经》英译研究知识图谱分析

运用Citespace软件,对1998-2023年间中国知网收录的《道德经》英译研究文献进行年度发文量、研究者与研究机构、关键词共现、聚类和前沿突现词等可视化图谱分析,发现:《道德经》英译研究发文量在2015年达到顶峰;目前国内最核心的研究者与研究机构是来自许昌学院的的温军超;研究热点主题多围绕“译者译本研究”、“翻译理论研究”、“核心概念词研究”、“语料库研究”等;近年来,该领域的前沿趋势聚焦“闵福德译本”和“文化意象”。未来,《道德经》英译研究应加强研究者和机构之间的协同合作,建立更大规模的语料库及运用计算机辅助技术,提升译本的海外传播效果,挖掘译本中的文化内涵,助推中华文化走出去,增强文化自信。

沉浸式视听技术在声景研究实践中的应用

声景研究中常常需要对声音的原生环境进行音视频记录,以用于主观评价中的场景重现。沉浸式视听技术的发展可以使重放的场景从传统的二维平面向三维立体空间拓展,从而让人类得到更逼真的视听体验。为了研究不同沉浸式技术在记录声景内容方面的有效性,本文使用了2种不同的方案采录了4个点位的声景素材,并采用主观评价实验的方法对采录的数据进行研究分析。结果显示,全景视频+FOA音频的记录方案总体呈现出更好的视听表现。