【摘 要】
：
得益于增强现实技术,虚拟信息能够在真实世界中予以体现和融合,使得脱离实体的虚拟信息在现实世界中的应用场景不断泛化.基于此,本文提出了一种高效实时的虚拟试戴技术,可运用于多种实际场景中.比如在电商场景下,用户购买商品前可在先线上选择相应款式的模型文件进行虚拟试戴,并根据效果辅助决策.拟议方法依据人脸姿态参数将模型文件映射至可与实时视频流加合的图形状态,在特定区域加合后反馈给视频帧中,最终加合的模型文件能够自适应头部的位置变化.实验结果表明,拟议方法在人脸远近位置、图形渲染以及佩戴实时性等方面具有较好的效果.
【机 构】
：
兰州大学 信息科学与工程学院, 兰州 730000;凯迪雷拉大学 经济管理学院, 碧瑶 2600
论文部分内容阅读
得益于增强现实技术,虚拟信息能够在真实世界中予以体现和融合,使得脱离实体的虚拟信息在现实世界中的应用场景不断泛化.基于此,本文提出了一种高效实时的虚拟试戴技术,可运用于多种实际场景中.比如在电商场景下,用户购买商品前可在先线上选择相应款式的模型文件进行虚拟试戴,并根据效果辅助决策.拟议方法依据人脸姿态参数将模型文件映射至可与实时视频流加合的图形状态,在特定区域加合后反馈给视频帧中,最终加合的模型文件能够自适应头部的位置变化.实验结果表明,拟议方法在人脸远近位置、图形渲染以及佩戴实时性等方面具有较好的效果.
其他文献
车牌图像重建是实现智能交通的重要步骤.在经过不断的重复实验后,本文提出了一种新的基于生成对抗网络(GAN)的超分辨率车牌图像重建模型.所提出的办法主要包括4个部分:(1)预处理输入图像,包括调整图片大小和筛选对比度差的图片;(2)引入了残差密集网络,能够充分提取车牌图像特征;(3)引入渐进式采样进行图片重建,因其具有较大的感受野,能提供更多的信息细节;(4)引入基于PatchGAN的鉴别器模型,该模型能更加精准地判断,从而引导生成器进行更高质量、更多细节的图像重建.通过在CCPD数据集上与目前较优的算法进
目前基于传统的机器视觉分析方法筛选后的PCB焊接缺陷图像还需要进行人工的复检流程,工作量大导致视觉疲劳后容易出错.为了改善这种现状,本文设计应用YOLOv3-spp的目标检测算法来构建焊接缺陷检测模型.为提升检测速度,采用模型剪枝、模型蒸馏、模型量化等技术对检测模型进行压缩优化,采用深度学习加速组件OpenVINO来加载压缩优化后的检测模型,实现对PCB焊接缺陷图像的复检.基于该优化算法设计了一种基于深度学习技术的PCB焊接缺陷检测识别系统.它能快速、准确地识别焊接缺陷并定位缺陷位置,解决了人工目检带来的
随着计算机硬件性能的提高,目前在个人终端上也开始出现使用预训练机器学习模型进行推理的运用.Caffe是一款流行的深度学习框架,擅长图像分类等任务,但是在默认状态下只能单核运行,无法充分发挥异构并行计算设备的计算能力.深度学习对于计算性能的要求较高,如果能并行化以充分使用所有计算设备,就能提升计算速度和使用体验.由于CPU和GPU的计算性能之比在不同模型下存在差异,因此不能简单将任务均分到多个计算设备.而任务拆分过多或者需要等待多设备完成任务后同步的调度算法会引入更多开销.因此,还需要设计合适的调度算法减少
针对数据分类预测模型的生成中,高度不平衡的训练数据会大幅降低模型的性能,本文提出了一种改进的基于遗传思想的不平衡数据集过采样方法,该方法从生物染色体遗传理论中得到启发,利用近亲生成相似而又不完全相同的新实例来平衡多数类,在保证样本分布不变的前提下,减弱甚至消除不平衡数据对训练结果的偏差影响.最后,通过在公共数据集上的对比实验表明,该方法取得了更高的召回率及G-mean值,证明此改进方法行之有效,所生成模型的综合性能有所提高.
针对频谱感知中单循环频率检测不能充分利用信号循环谱信息的缺点,本文提出一种基于无线环境图(radio environment map,REM)信息辅助的多循环频率协作频谱感知方法.本文方法第1步在多个认知用户处分别选取多个相同的循环频率进行循环平稳检测,选取谱相关函数幅度作为检测统计量,根据推导的判决门限公式设定恒虚警概率时的门限值,经判决融合得出单个认知用户处的检测结果;第2步根据REM提供的授权用户与认知用户之间的距离信息计算各认知节点处的权值系数,并通过与对应节点处的检测结果加权融合来提高检测结果的
位姿估计一直是三维重建领域的关键性问题.为保证移动端有限计算资源下的实时性并提高轨迹计算的准确性,提出一种紧耦合的移动端实时位姿优化方法.首先,获取图像信息与运动传感器信息进行特征提取、预积分等预处理;然后根据对极几何约束,计算重投影误差与惯性传感器误差;最后采用加权误差联合优化计算位姿轨迹.紧耦合策略可以有效利用图像信息与惯性运动信息对位姿约束的一致性.在公开数据集EuRoC上的实验表明,与已有视觉惯性位姿估计方法相比,文中方法在保证移动端实时性的同时,重建相机轨迹误差更小.
在文本分类任务中,由于短文本具有特征稀疏,用词不规范等特点,传统的自然语言处理方法在短文本分类中具有局限性.针对短文本的特点,本文提出一种基于BERT(bidirectional encoder representations from Transformers)与GSDMM(collapsed Gibbs sampling algorithm for the Dirichlet multinomial mixture model)融合和聚类指导的短文本分类算法,用以提高短文本分类有效性与准确性.本算法一
汉字书法是中华传统文化的代表,但是,由于书法字体具有风格迥异、结构复杂、变形繁多等特点,给大众学习和欣赏书法带来了极大障碍.为了解决普通老百姓解读书法作品的困难,提出一种基于改进DenseNet网络的书法字体识别算法,设计区域权值比例池化规则替换传统DenseNet网络的最大池化和平均池化规则,采用Nadam算法优化模型训练效果,进行自适应学习率调整,此外,提出基于剪枝技术的模型裁剪策略,在保证识别性能的同时,提高了模型的训练效率.实验结果表明,在由楷书、行书、隶书和篆书4类字体组成的混合字体数据集中,本
长文本匹配是自然语言处理的一项基础工作,在文本聚类、新闻推荐等方面有着关键作用.受语料、篇幅结构、文本表示技术的限制,长文本匹配工作进展缓慢.近年提出的BERT模型在文本表示方面具有非常卓越的表现,而对于BERT来说,长文本的处理有截断法、分段法和压缩法3种常用方式,截断法丢失大量文本信息,分段法保留文本信息却丢失部分语义信息,压缩法可能丢失部分关键信息.针对以上问题,本文对分段法加以改进,提出一种基于BERT的长文本匹配模型(long text matching model based on BERT,
BGP协议明文传输,攻击者易对前缀与路径信息进行伪造,进而引发危害巨大的前缀劫持攻击.其中,AS路径信息保护问题主要涉及两个方面:路径防篡改与非法内容验证.RPKI作为解决路由劫持的重要安全体系,目前其体系下的路径验证解决方案主要包括BGPSec、ASPA与Path-End,其中BGPSec主要解决的是路径篡改问题,ASPA与Path-End解决路径合法性验证问题,而这些方案分别存在计算复杂或者路径保护力度较弱的缺陷.在ASPA方案中引入少量签名,可对路径篡改的限制粒度进行提升.据此,本文提出一种改进的路