生成的身体与身体意象——影视传播中的虚拟人物

迄今为止人类传播界面中的身体可以分为三类:有机的身体、再现的身体和生成的身体。虚拟人物是数字技术催生的再生的身体。作为传播界面,再生的身体具有其独特的品质。身体意象在虚拟人物的设计与传播中扮演着重要的角色。虚拟人物传播的编码与解码过程中身体意象的渗透具有注定性,虚拟人物负载的身体意象具有综合性。

媒介融合背景下中国报业的“数字化生存”之路

本文探讨了媒介融合背景下中国报业的"数字化生存"之路。

基于局部注意力的方面级别情感分析算法

考虑到对方面进行情感分析时,距方面词越近的上下文内容对方面的情感倾向影响可能越大,因此将结合距离因素,提出了基于局部自注意力机制的算法用于方面级别的情感分类。将输入分为全局文本序列、方面序列以及局部文本序列,通过自注意力分别对三个序列进行特征提取,对全局文本和方面序列进行交互注意力计算,更新全局文本表示,对局部文本和方面序列进行交互注意力计算,更新局部文本表示。最终将全局文本和局部文本表示连接起来输入分类器。实验结果显示本文的结果优于近两年提出的方面级别情感分析算法。

基于文本中心线的自然场景文本检测方法

由于深度学习的快速发展,自然场景的文本检测方法在近些年取得了丰硕成果,不依靠手工提取特征的方法,在速度和精度上都不断进步着。然而目前的大多文本检测方法对于文本区域的描述不够精确,使用和通用目标检测相同的矩形框,无法准确地表示弯曲或倾斜的文本区域,会使检测结果含有过多的背景内容,对之后的识别工作也有很大的影响。即便是采用带角度的矩形框,也不能很好地表示一些弯曲的文本区域。为了解决这一问题,本文提出了一种基于文本中心线加上文本宽度的文本表示方法,能够有效地检测倾斜、弯曲的文本区域。在水平文本、倾斜文本以及弯曲文本的数据集上进行测试,都取得了最好或是与之接近的精度。

基于多尺度特征的乳腺肿块检测方法研究

提升乳腺肿块病变检测的准确率,从而提升乳腺钼靶X光检查的效率对乳腺癌的及早防治有重要意义。针对乳腺钼靶图像中形态大小不一的肿块病变,本文提出了一种基于多尺度特征的乳腺肿块病变检测方法,将在自然图像检测领域取得优秀性能的SSD网络应用到乳腺肿块病变检测中。首先利用特征提取网络对输入的乳腺钼靶图像进行特征提取,特征提取网络的每个特征层中的特征图的尺度随着层次加深而减小,再在不同尺度的特征图上对肿块目标进行预测,最后将各个特征层的结果综合起来作为最后的检测结果。通过FROC曲线进行性能分析,并在相同Sensitivity值下的FPI值大小这一评测指标上与其它目前性能较佳的乳腺肿块检测方法进行比较,本文方法的有效性得以证实。

基于深度学习的手分割算法研究

第一视角的人手分割在人机交互、虚拟现实方面具有非常重要的应用价值,但是由于图像中人手区域占比较大,精确的人手分割仍然是一个很具有挑战性的问题。本文提出一种基于深度学习的手部分割算法,利用卷积神经网络强大的特征提取能力提取人手图像的特征,模仿人类视觉注意力机制提出Attention模块为特征图中的不同区域赋予更具辨别性的权值,同时为了能有效地提取不同尺度物体的特征,设计空洞卷积DCB模块在同一尺度大小的特征图上提取不同尺度特征。在3个人手数据集上的实验结果表明本文提出的算法能够有效地分割出手部区域并超越了其它的算法,达到了最优的分割效果。

基于图分类的中文长文本匹配算法

判断一对文章之间的关系是一项很重要的自然语言处理任务,在新闻系统和搜索引擎等实际服务中有着广泛的应用。然而,相比在信息检索场景中去匹配一对句子或者匹配一个查询-文档对而言,长文章通常具有丰富的语义信息和复杂的逻辑结构,这也使得长文章之间的匹配成为一个相对独立且很有挑战的任务。本文围绕长文章匹配的难点,提出了基于图分类框架的长文本匹配算法,通过将长文本匹配任务等价的转化为图分类任务,使用图表示学习的范式来求解,从而获得长文本匹配的结果。算法模型主要包括基于图表示学习来实现对长文本的建模,基于图注意力神经网络的图节点特征提取,以及图池化等步骤。在两个大型公开数据集上的训练和测试实验结果表明:本文提出的算法可以实现高质量的文本匹配,同时各项评价指标均达到了目前最先进的结果。

基于分治思想粗匹配和精微匹配相结合的跨模态检索算法

跨模态检索是人工智能领域的一个重要研究方向,在社会生活中应用广泛,有着巨大的应用价值和经济价值。随着深度学习的兴起,跨模态检索也取得了长足发展。本文借鉴了分治思想和混合推荐的方法,在一个算法框架中构建两个检索模型,分别负责粗匹配和精微匹配。通过特征值取平均值的方式将两个检索模型整合在一起,通过同时使用两个检索模型的检索能力来提升算法的检索效果,增强算法的抗干扰性。

基于腐蚀损失的肿块分割算法

乳腺肿块分割的任务是在感兴趣区域内区分出肿块和正常组织。目前常用的病变分割算法主要包括区域生长等传统算法和全卷积网络等深度学习方法,这些算法都忽略肿块分割的一个特异性。和自然场景中明显的梯度边缘相比,乳腺肿块和背景的边缘是渐变的。标注的边缘不足够准确,训练过程中边缘周围错误标注的像素会影响网络的训练。因此,本文提出了基于腐蚀损失的肿块分割算法。利用形态学腐蚀操作生成计算损失的掩码,使错误可能性高的边缘周围部分不参与损失的计算,将其结合到全卷积加条件随机场的网络中。边缘模糊的特性存在于多种医学图像中,本文的方法具有普适性,可应用于其他医学病变的分割算法。

从皮革马利翁爱上雕塑看人类的虚拟情结

“虚拟”是近年来出现率不低的一个形容词,就其涵义而言,有广义和狭义之分。广义的虚拟指非真实的、虚构的;狭义的虚拟指当代数字技术中的一种技术实现手段,如,虚拟演播室,虚拟博物馆,虚拟主持人等等。与此相对应,“虚拟人物”一词也有广义和狭义之分,广义的虚拟人物指一切非真实的、虚构的人物形象,包括以抽象的文字形式虚构的人物形象。