“前推”与“主导”:艺术时空体与跨媒介叙事

在艺术“分立”之后,特定媒介艺术的发展有两种方式:求“纯”或求“异”。求“纯”即通过发挥并强化特定媒介的“本位”特色来发展门类艺术;求“异”其实就是我们所说的跨界融合或跨媒介叙事问题。跨媒介叙事主要有三种基本类型:时间艺术与空间艺术之间的相互模仿;一种空间艺术与另一种空间艺术之间的相互模仿;一种时间艺术与另一种时间艺术之间的相互模仿。其中第一种是最主要的跨媒介叙事类型。无论是对于哪种情况的跨媒介叙事现象,我们都可以运用穆卡洛夫斯基的“前推”思想、雅各布森的“主导”思想,并结合巴赫金的“艺术时空体”理论而进行合理的解释。一切文学艺术作品都是艺术时空体,所谓跨媒介叙事无非是违反或背离艺术媒介的本质特性,在小说等时间艺术叙事中把本来处于“背景”位置的空间元素“前推”为“主导”元素,在绘画等空间艺术叙事中把本来处于“背景”位置的时间元素“前推”为“主导”元素。

一种16位电流舵DAC的高精度前台校准方法

基于28 nm CMOS工艺,采用一种高精度的前台校准技术设计了一款16 bit电流舵数模转换器(Digitalto-analog converter,DAC)电路。该前台校准算法对16 bit数据对应的所有电流源进行校准,并且使用的电流源只有两种大小,降低校准难度的同时也提升了校准的精度。该校准电路引入了两种校准补充电流,分别用于温度和输出电流变化引起电流源失配的补偿,进一步减小了DAC电流源的失配,有效提高了DAC的整体性能。采用校准后,在-40~85℃温度范围内,微分非线性≤0.8 LSB,积分非线性≤2.0 LSB,200 MHz输出信号下无杂散动态范围≥75.3 dB。该校准方法提高了DAC的温度稳定性。

基于元学习的小样本语义分割算法

针对现有的小样本语义分割模型对未知新类分割精度不高的问题,提出一种基于元学习的小样本语义分割算法.首先,利用深度可分离卷积改进传统主干网络,并在ImageNet数据集上进行了编码器的预训练.其次,利用预训练的主干网络将支持图片和查询图片映射到深度特征空间.最后,利用支持图片的真实掩码将支持特征分离为目标前景和背景,并借助vision transformer构造了一种自适应的元学习分类器.在PASCAL-5^(i)数据集上进行了大量的试验.结果表明:所提出模型在VGG-16、ResNet-50和ResNet-101主干网络上分别实现了47.1%、58.3%和60.4%的mIoU(即平均交并比)(1 shot),同时在5 shot设定下实现了49.6%、60.2%和62.1%的mIoU;在COCO-20^(i)数据集上实现了23.6%、30.3%和30.7%的mIoU(1 shot),同时在5 shot设定下实现了30.1%、34.7%和35.2%的mIoU.

“不知道”的句法语义多角度研究

基于“不知道”进行多角度观察,主要讨论句法主语、言者主语和两解时的句法语义限制因素:第一,不同的句法层级对语义解读有着不同影响,其中语气>时体>句法成分。第二,主语、状语、宾语、谓词、固定结构及句式构成的事件能否表达强认识性或者[+控制性]是言者主语语义识解的关键因素;宾语小句的叙实性影响语义解读;不同的语气范畴倾向解读为不同的语义。第三,在叙实/非叙实框架下,“不知道”作为焦点敏感算子,与其他焦点敏感算子在句法语义各层面因素共同作用是这类特殊“S+不知道+VP”单解/歧解的必要条件,而充分条件或者内在动因则是信息结构的“完形重塑”。

基于交通标志的小目标检测

针对小目标检测算法在交通标志识别上的精度较低和误检等问题,提出一种前景融合注意力机制网络YOLO-Traffic。先引入EIOU损失函数,分别计算预测框和真实框的宽度,再利用空洞卷积来解决原模型CIOU存在的问题;其次,添加前景注意力机制F-ECA,充分提取前景相关信息,抑制背景噪声;最后使用Kmeans++算法代替Kmeans聚类得到的锚框进行重新分配相应的特征层,进一步提高特征提取能力。在清华大学制作的TT100K交通标志数据集上实验得出,对比原YOLOv5网络,精度提升了2.91%,召回率提升了2.1%,检测速度为44帧每秒,最终精度达到96.89%。因此,所提出的YOLO-Traffic网络可以提升交通标志检测精度和模型性能。

基于边界特征融合和前景引导的伪装目标检测

伪装目标检测旨在检测隐藏在复杂环境中的高度隐蔽物体,在医学、农业等多个领域有重要应用价值.现有方法结合边界先验过分强调边界区域,对伪装目标内部信息的表征不足,导致模型对伪装目标的内部区域检测不准确.同时,已有方法缺乏对伪装目标前景特征的有效挖掘,使背景区域被误检为伪装目标.为解决上述问题,本文提出一种基于边界特征融合和前景引导的伪装目标检测方法,该方法由特征提取、边界特征融合、主干特征增强和预测等若干个阶段构成.在边界特征融合阶段,首先,通过边界特征提取模块获得边界特征并预测边界掩码;然后,边界特征融合模块将边界特征和边界掩码与最低层次的主干特征有效融合;同时,加强伪装目标边界位置及内部区域特征.此外,设计前景引导模块,利用预测的伪装目标掩码增强主干特征,即将前一层特征预测的伪装目标掩码作为当前层特征的前景注意力,并对特征执行空间交互,提升网络对空间关系的识别能力,使网络关注精细而完整的伪装目标区域.本文在4个广泛使用的基准数据集上的实验结果表明,提出的方法优于对比的19个主流方法,对伪装目标检测任务具有更强鲁棒性和泛化能力.

基于改进U-Net的金具图像小样本识别算法研究

电力金具巡检是保证电网安全运行的关键任务。针对因金具样本类别不平衡、金具图像背景复杂而导致的误检、漏检问题,提出了一种改进U型网络(U-shaped network,U-Net)的检测方法。首先,通过生成对抗网络生成虚拟金具样本扩充数据集,解决数据集中样本类别不平衡的问题;然后,提出一种前景增强方法,在网络输出的特征图中加入背景掩膜,并优化损失函数;最后,将注意力机制嵌入U-Net,以提高模型在复杂背景下提取金具特征的能力。经实验证明,改进算法对电力金具目标的检测效果良好,其金具检测准确率达到98.82%,平均交并比达到83.94%,精确率达到91.01%,召回率达到86.18%,平均精度均值达到89.73%。改进算法不仅可应用于正常金具的检测,还有效适用于生锈金具的检测,为电力金具智能化检测提供了一种新思路。

基于多视图前景分割的电网设施三维数字化重建

电网设施高保真数字化建模和可视化是构建数字孪生电网,推动新型电力系统建设的重要步骤。为解决手工建模方式的诸多弊端,满足数字孪生电网设施三维可视化需求,提出了一种基于多视图前景分割的电网设施三维数字化重建方法。基于深度学习网络结合前景分割算法,构建电网设施检测定位与前景分割模型,将相机原始多视图转化为待建设施前景图像,减少图像复杂背景带来的特征误匹配、模型体外噪声增多等问题的影响,提高重建视觉效果。以运动恢复结构为基础原理,提出基于改进加速稳健特征–随机抽样一致性(speeded-up robust features-random sample consensus,SURF-RANSAC)算法的高质量相机位姿估计方法与稀疏点云稠密化方案,最终形成了一种面向分布式电网设施的统一结构化静态模型重建方式。通过实拍图像构建设施重建数据集,分别对电力变压器、变压器绕组、高压真空交流断路器3种典型电网设施进行仿真重建,均取得良好重建视觉效果和较低的重投影误差,验证了方法的通用性和有效性。所提方法不仅为分布式设施在虚拟空间的统一表征、状态监测提供三维模型支撑,也为供需侧电网设施的跨时空互动及供需平衡调节实现提供可能。

稀疏分解和图拉普拉斯正则化的图像前景背景分割方法

针对现有图像前景背景分割方法的分割结果存在孤立像素点的问题,利用图信号处理理论和稀疏分解模型,提出新的图像前景背景分割方法.将图像的内在结构建模为图,通过图模型有效地刻画像素之间的内在关联性.将图像的像素强度建模为图信号,其中图像背景作为平滑分量,由一组图傅里叶变换基函数线性表示,叠加在背景上的前景为稀疏分量,前景像素间的连通性可由图拉普拉斯正则化项进行刻画.将图像前景背景分割问题归结为包含稀疏分解模型和图拉普拉斯正则化项的约束优化问题,采用交替方向乘子法对该优化问题进行求解.实验结果表明,与现有的其他方法相比,所提方法具有更好的分割效果.

基于区域上下文感知的前景提取

为降低图像颜色分布和弱边缘对前景提取的负面影响,提出一种基于区域上下文感知的前景提取模型。结合图像亮度梯度和颜色信息将图像分成互不相交的区域,区域内颜色具有同质性,近邻区域间存在显著差异;依据颜色分布设计区域相似性测度,构建区域上下文关系和感知空间;在感知空间中将前景提取转化为二分类问题。实验结果表明,相对于传统模型,该算法提高了弱边缘、颜色非均匀分布图像的前景提取效果。

视频前景区域运动目标姿态识别仿真

由于运动目标容易受到遮挡,导致识别效果不理想,提出视频前景区域运动目标姿态识别方法。采用金字塔变换对视频图像展开采样处理,通过Vibe前景检测算法完成视频的前景检测,同时在检测过程中消除了视频鬼影,提高了目标跟踪精度;采用mean-shift目标跟踪方法在视频前景区域中跟踪运动目标,提取运动目标的姿态特征,将其输入支持向量机决策函数中,完成运动目标的姿态识别。仿真结果表明,所提方法具有较高的跟踪精度和跟踪效率,且姿态识别准确率高。

Research Progress on Nutritional Requirements of Carp

Carp is a temperate freshwater fish native to Asia,distributed in all regions of the world except Australia and South America.With the improvement of comprehensive and healthy breeding technology of carp,the unit yield has been greatly increased mainly due to the exten-sive use of compound feed.In this study,the nutritional requirements of carp were summarized from the aspects of protein,amino acids,fat,carbohydrate,calcium and phosphorus,vitamins and taurine.This study provides a certain theoretical reference for scientific formula of carp feed.

基于内卷特征提取和前景细节增强的图像协调化方法

在编辑合成图像时,前景区域与背景区域由于分属不同来源,外观通常存在较大差异,不能呈现真实的视觉效果。图像协调化主要消除合成图像的不真实感,通过将背景域的外观信息迁移到前景域中,使人眼尽可能少地感受差异。现有方法在将背景信息进行转移时,能触及到的背景范围有限,信息提取不充分使得图像协调效果不佳。同时,前景细节丢失会影响图像协调的整体效果。基于以上问题,提出内卷特征提取和前景细节增强模块,进行图像协调。在iHarmony4数据集上试验结果表明,该方法能生成细节更充分、真实感更强的图像效果。

智能陶瓷材料研究现状及其应用前景

智能材料具备比传统材料更独特的功能,现已经成为材料领域研究的重点,并且在生物医疗、电子、能源、建筑、物理、化学、航空航天等领域广泛应用。智能陶瓷材料是智能材料的主要分支,本文重点综述了智能陶瓷材料的研究现状和应用前景,并对未来智能陶瓷材料的应用进行了展望。

基于前景区域生成对抗网络的视频异常行为检测研究

为提高视频异常行为检测的准确率,本文提出了一种基于前景区域生成对抗网络的改进方法。通过提取实际视频帧的前景和背景掩码,确定生成对抗网络输出视频帧的待检测前景区域。针对待检测前景区域,应用前景区域峰值信噪比准则,计算异常行为检测得分,完成视频异常行为检测。实验结果表明,本文的检测方法在Avenue数据集、UCSD-Ped1数据集、UCSD-Ped2数据集上均能有效提高视频异常行为检测准确率,并能降低检测运行时间。

我国碳捕集、利用与封存技术发展现状与展望

通过介绍我国碳捕集、利用与封存技术的诞生背景、产业的发展现状、产业发展亟需突破的瓶颈问题等,提出了我国发展碳捕集、利用与封存技术的建议,同时对其前景进行了展望。

4K超高清新闻演播室创新设计与实践

在媒体融合大变革时代,传统电视媒体力图通过超高清节目制播扬长避短,获得与新兴媒体的竞争优势,从而实现高质量发展。在从高清向超高清过渡的过程中,尽可能保持现有工作流程与系统架构,降低技术使用门槛并确保节目安全播出,是电视台需要重点考虑的课题。以厦门广播电视集团4K超高清新闻演播室建设为例,介绍整体设计思路与实施方案,对演播室的使用情况和创新点进行归纳总结,为电视台超高清新闻演播室建设提供参考。

奶山羊繁殖存在问题与技术应用前瞻

陕西作为我国奶山羊养殖的核心区域,其特色产业不仅承载着农民增收的希望,更是乡村振兴的坚实支柱。近年来奶山羊产业发展受到各级政府的高度重视,但奶山羊产奶量低一直是产业发展的重要制约因素。面对奶山羊产奶量低这一长期困扰产业发展的瓶颈,政府及科研机构正积极行动,聚焦奶山羊繁殖难题,深入探索现代繁殖技术的创新应用。本文围绕奶山羊繁殖问题进行探究,通过现代繁殖技术进一步提升奶山羊生产水平,以期加快奶山羊良种化进程,为陕西乃至全国的奶山羊产业注入强劲动力,助力乡村振兴战略深入实施。

韩国语被动句语义色彩的认知解释

该文旨在探究韩国语被动句中的语义色彩及其认知解释。被动句有着不同的语义色彩,先行研究已经表明韩国语被动句具有极强的负面语义色彩倾向。文章从认知语言学的角度,基于前景—背景理论与原型范畴理论,对被动句负面语义色彩的认知理据进行研究。通过对负面语义色彩的被动句进行分析,发现被动语义色彩的倾向来源于事件中的受事角色在认知中经过前景化得到凸显和强调,而及物动词句的原型宾语,也就是受事角色的典型核心语义特征是[+受损],所以韩国语被动句也常常蕴含与[+受损]相关的负面语义色彩。这些发现不仅深化了韩国语被动句的理解,也为从认知角度阐释韩国语提供了参考。

The Form of Literary Translation——“Foregrounding Translation” and the Translator's Poetic Entry

From the epistemological perspective translating sense is to pursue truth,while translating flavor is to pursue beauty.Rational knowledge is aimed at"fidelity";perceptive knowledge the"beauty".Literary language approaches fidelity because of beauty while non-literary language approaches beauty because of its fidelity.