知识表示学习综述

近期,以深度学习为代表的表示学习不仅为机器学习算法提供更好的性能,同时也为知识表示提供了新思路。引入深度学习的知识表示学习实现了实体和关系的分布式表示,不仅提高了计算效率,还解决了传统三元组表示中会出现的数据稀疏问题。本文归纳和总结了知识表示学习的最新研究进展和应用方式,并且指出了知识表示学习面临的主要挑战以及未来可能实现的解决方案。

交互式服装实时动画的研究与实现

提出了一种基于物理模型且与人体模型相结合的交互式服装实时动画的方法。在以往的研究中,人们提出了许多的交互式服装运动的方法,但这些方法的一个主要缺点是复杂高、计算效率低,无法满足实时交互式服装设计与动画的要求。文中提出的方法首先根据服装本身的物理特性,通过减少弹簧的类型来简化"质点-弹簧"模型;其次,利用"半刚性复杂摆"模型经向与纬向约束分开计算的优点;最后,根据服装与人体模型之间碰撞检测存在的局部性,通过时间与空间相关性来加速碰撞检测。因此大大减少了计算,确保了稳定性;运用跨平台语言java3D实现了与人体模型相结合的交互式服装的实时动画,并且可直接通过IE浏览器应用于电子商务与服装三维虚拟展示,达到了理想的实验结果。