自动生成图形布局综述

来源 :现代计算机 | 被引量 : 0次 | 上传用户:iceqi77
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
图形布局设计广泛应用在平面设计中,它决定了一个页面的层次结构和信息、功能分区。良好的图形布局能让信息更有效传达,且让界面整体更加美观。但图形布局设计是一个耗时且需要大量设计经验的过程。先进有许多自动生成图形布局的研究,本文对传统方法和深度学习方法进行概述,并分析当前研究存在的问题,以便为后续研究者提供研究方向和技术参考。
其他文献
提出一种高效的适用于实时渲染领域的次序无关透明渲染算法,该算法使用傅里叶级数来近似透射率函数,既有较好的近似效果,又具有次序无关的优良性质。此外,该算法结合Lanczos-Local-Typeσ-Averaging方法极大地削弱Gibbs效应的影响。实验表明,该算法与传统算法相比具有更高的效率与更低的显存消耗,具有更佳的实际应用价值。
利用深度学习的目标检测技术与混合现实结合的方法,旨在帮助穿戴Microsoft HoloLens2设备的用户对真实世界的物体对象进行实时高效的检测,得到物体对象的位置,还能够识别目标,得到目标的分类信息及其所属类别的置信度。同时,利用HoloLens2的增强现实信息能够更加直观地看到检测信息,摆脱传统的人机交互方式,达到虚实交互的目的。实验结果表明,该系统能够较快地计算目标检测信息,具有较高的识别
单频条纹截断相位图的展开是条纹结构光视觉中的一个难题。传统的可靠度引导算法和最小范数算法,在展开有低对比度、条纹断裂、图像离焦或运动模糊的单频条纹的截断相位图时,仍面临很大的挑战。针对这些问题,本文提出一种采用深度卷积神经网络的新方法。截断相位图的展开被分为不可靠区域检测和可靠区域展开两个子问题,深度卷积神经网络被用于检测截断相位图中的不可靠区域,可靠区域的相位展开用传统算法完成。为训练能处理高分
面对DIBR(Depth-Image-Based Rendering)中常见的空洞问题,提出一种基于聚类分析的视点绘制算法。实验测试用例全部选自Middlebury stereo数据集,该算法根据空洞点相邻像素的视差分布的特性,通过聚类的方式寻找到该空洞点周围最远视差平面,以此视差平面上的像素作为该空洞填补的候选像素。该实验结果不仅显示出不错的主观效果,而且与其他三种算法相比,也显示出不错的客观评
物联网的数据蕴含重要的价值,但其安全和隐私问题不容忽视。访问控制是实现信息开放并保证数据安全和隐私的核心技术。因区块链的去中心化、难篡改、可追溯、可匿名等特点,以及随着智能合约的发展和成熟,越来越多的科研工作尝试探索基于区块链智能合约的新型访问控制方案。本文对基于智能合约的最新工作进行介绍并进行简单的分析。
信息架构对于软件界面的设计与开发至关重要,软件产品本身就是传递信息和提供功能的载体,信息架构通过对软件信息进行归类、组织和设计,以最容易使用和学习的方式将信息展现给用户。为了设计出更加易用的、更加友好的用户界面,近年来有很多研究者对信息架构展开研究。对当前面信息架构的构建方法和应用研究进行综述,并提出当前研究面临的挑战和方向。
二叉树是典型的树型数据结构,在程序设计中有广泛的应用。给出二叉树的创建方法,分析二叉树创建的递归思想,详细描述二叉树创建的程序框架,结合实例验证二叉树创建的结果。对二叉树创建方法的分析有助于加深对二叉树相关算法的理解,提升二叉树应用能力。
针对行人目标检测,现有的一些检测手段无法在嵌入式设备上同时达到实时且高精度的要求,因此提出一种基于YOLOv3改进的实时视频下行人检测的算法。该算法模型首先对网络输入的尺寸进行改进,根据输入尺寸较大的特点增加网络层,同时对YOLOv3的特征提取网络DarkNet-53的结构进行精简,压缩网络的宽度和宽度,并且对损失函数加以改进,减少网络参数量,最后在本文设计的数据集上将该算法与YOLOv3在嵌入式
近年来,人体行为识别已成为计算机视觉领域的重要研究方向之一。为避免传统RGB图像受光照干扰的不足,提出一种基于深度图像的人体行为识别改进算法。首先,将深度图像投影到三个正交的笛卡尔平面坐标系上获得深度运动图;然后,在深度运动图上训练三个方向的卷积神经网络模型;最后,把测试集深度运动图的识别概率进行平均值输出。所提算法在MSR Action3D数据库进行实验,实验结果表明该算法有着较高的识别率,验证
本文主要对于酒瓶包装瓶盖文字检测问题,针对于目标检测领域传统算法的鲁棒性和检测速度提出一种基于DBNet网络,通过改进其网络结构的文字目标检测方法。基于实际生产要求,采用嵌入式开发板作为算法使用平台。本文在原有的DBNet网络的基础上对算法做出适应场景的改进,实验结果表明,本文所提算法相比于传统模型在识别速度上提高90%左右,在识别效果下降不明显的前提下识别速度更快,具有极大的工程应用价值。