用户任务预测研究进展与算法分析

用户在执行不同任务时,会表现出不同的感知行为。知道用户正在执行的任务可以帮助进行用户行为的分析,也可以作为智能交互系统的输入,使得系统自动根据用户不同的任务提供不同的功能,改善用户的体验。用户任务预测指的是根据用户的眼睛运动特征、场景内容特征等相关信息来预测用户正在执行的任务。用户任务预测是视觉研究领域中的一个热门研究课题,研究者们针对不同的场景提出了很多有效的任务预测算法。然而,以往工作中提出的算法大多是针对一种特定类型的场景,且不同算法之间缺乏统一的测试和分析。本文首先回顾了图片场景、视频场景、以及现实场景中用户任务预测问题的相关进展,接着对目前主要的任务预测算法进行了详细的介绍。并在一个现实场景任务数据集上对相关算法进行了测试和分析,为未来的相关研究提供了有意义的见解。

基于虚拟现实技术的三维场景图像表面重建算法

针对传统三维场景图像表面重建特征点匹配精度不高、计算复杂等实际问题,提出基于虚拟现实技术的三维场景图像表面重建算法。使用小波分解处理图像纹理信息,量化编码图像,并把视觉点和图像的间距作为度量值,挑选恰当临界值完成图像压缩,剔除三维场景图像冗余数据;计算图像中的启发式信息,更新信息素矩阵,运用信息素矩阵临界值明确像素点是否为图像边缘点,提取三维场景图像边缘信息;利用虚拟现实设备计算三维场景最小识别距离,推算理论图像投影值与实际投影值偏差,通过偏差值校准图像表面重建像素值,完成高精度三维场景图像表面重建目标。仿真结果表明,所提方法可有效捕捉三维场景图像中的关键特征,重建后的图像分辨率得到显著提升。

面向球幕投影系统的几何校正方法

用于飞行模拟的视景仿真系统,经常会以多台投影仪同步投影以得到较大范围的视场角。当投影机斜对屏幕或者投影屏幕为曲面时,图像会发生几何失真。针对此问题,本文提出了一种专门面向球幕投影系统的几何校正方法,并以一个三通道显示系统为实例,详述了该方法的理论原理以及校正流程。实例结果表明,经几何校正后,各投影图像无几何畸变,通道过渡处几何内容完全一致。该方法是一种纯软件方法,成本小而且操作简单,能够适应于不同的投影场景。

以特征线和高程范围为约束的DEM-cGAN框架

目前大规模地形生成方法依赖传统数学方法,缺乏用户控制,实现难度较大.尽管深度学习技术已介入地形生成工作中,但缺少相关的训练数据集,且未对经典生成网络的固有缺陷作出改进.为了获得真实感更强的地形数据,构建了一个由地形特征草图、地形灰度图像、高程分割图像和高程模型组成的数据集,并提出以特征线和高程范围为约束的DEM-cGAN框架,设计了一个双尺度并行生成网络ParallelGen.用户通过输入地形特征草图及高程范围,利用DEM-cGAN获得完整的高程数据.对生成结果从视觉效果、数值分析和地理学层面进行多项实验的结果表明,DEM-cGAN框架能正确地生成最大栅格尺寸为512×512像素的高程数据,并还原特征草图中的起伏走势,符合现实中的地理学规律.