基于CDIO模式下家具艺术设计专业以赛促教的教学模式初探

基于CDIO的教学理念,探究家具艺术设计专业在以赛促教的教学内容设计对教学过程中教学模式、人才培养、教学资源整合、实践环节等方面的改革思路。在校企合作与主题竞赛的双向驱动下,以"南兴装备杯"定制家居设计职业技能大赛为应用实践对象,运用三维家-智能家居云设计&云制造平台实现学生参与竞赛方案构思、设计、实现、运作的全过程,最终实践了CDIO与MOOC的混合式教学模式的课程创新改革与初步实施方案。

联合办公环境下的个人工位设计

中国联合办公模式一直保持稳定增长的态势。为提升联合办公环境内工作者的办公效率和工作幸福度,工位在满足基本办公需求的同时,有必要结合用户心理层面进行个人工位设计实践。通过梳理联合办公模式的演变过程,挖掘现阶段联合办公模式下工位的设计缺陷,分析当下个人工位痛点问题。结合工作者对个人办公工位的使用需求,提出个人工位设计原则。以满足用户办公需求与心理需求为出发点进行个人工位设计实践,提出“蜂巢型”工位设计方案,从私密性屏风、收纳布局、桌面升降3个功能模块搭建人性化与隐私性兼具的个人工作单元,为联合办公模式下个人工作单元提出新的设计思路。

CAD/CAM技术在提高数控机床加工精度中的应用

在现代制造业中,CAD和CAM软件技术发挥着越来越重要的作用,这些技术在数控机床中的应用,为提高生产效率、加工精度和降低生产成本提供了有力的支持。在过去的几十年里,制造业经历了巨大的变革。这些技术显著提高了生产效率、加工精度和降低了生产成本,为企业带来了巨大的竞争优势,希望本文的研究成果能为读者提供一定的参考价值。

面向本征图像分解的高质量渲染数据集与非局部卷积网络

目的本征图像分解是计算视觉和图形学领域的一个基本问题,旨在将图像中场景的纹理和光照成分分离开来。基于深度学习的本征图像分解方法受限于现有的数据集,存在分解结果过度平滑、在真实数据泛化能力较差等问题。方法首先设计基于图卷积的模块,显式地考虑图像中的非局部信息。同时,为了使训练的网络可以处理更复杂的光照情况,渲染了高质量的合成数据集。此外,引入了一个基于神经网络的反照率图像优化模块,提升获得的反照率图像的局部平滑性。结果将不同方法在所提的数据集上训练,相比之前合成数据集CGIntrinsics进行训练的结果,在IIW(intrinsic images in the wild)测试数据集的平均WHDR(weighted human disagreement rate)降低了7.29%,在SAW(shading annotations in the wild)测试集的AP(average precision)指标上提升了2.74%。同时,所提出的基于图卷积的神经网络,在IIW、SAW数据集上均取得了较好的结果,在视觉结果上显著优于此前的方法。此外,利用本文算法得到的本征结果,在重光照、纹理编辑和光照编辑等图像编辑任务上,取得了更优的结果。结论所提出的数据集质量更高,有利于基于神经网络的本征分解模型的训练。同时,提出的本征分解模型由于显式地结合了非局部先验,得到了更优的本征分解结果,并通过一系列应用任务进一步验证了结果。