摘要：针对TreeGAN生成点云产生的不均匀性及模型训练效率低等问题,设计一种基于点云概率分布学习的高效树结构生成对抗网络Probability-TreeGAN,用以改善点云位置的准确性。该方法在生成器训练时分别学习了点云的概率分布信息以及树型生成网络中点云的特征信息,通过映射网络中学习的概率分布改变了点云的位置分布,不仅生成的点云分布更加均匀,而且点云的形状更具结构性。通过改变映射网络中初始的潜码,可以改变生成点云的局部特征。在ShapeNet Part数据集上的实验结果显示,该方法在飞机、椅子等单类及总体16类的JSD指标评估上均优于以往点云生成方法,与传统三维点云生成模型相比,生成的点云更加均匀,模型训练效率更高。

摘要：受点云非结构化、无序性等特性的影响,一些现有的自注意力方法不能充分提取上下文语意特征,基于此提出了一种用于点云特征提取的局部邻域Transformer(Local Neighborhood Transformer, LNT)。首先,通过最远点采样(FPS)和K最近邻算法(KNN)对点云进行邻域划分。其次,结合相对位置编码,在各个邻域内计算局部自注意力,达到线性计算复杂度。最后,通过连接操作以及线性层捕获点云局部特征。此外,设计了点云多特征融合方法对各层特征信息进行聚合,以提高模型的性能。实验结果表明:该方法在ModelNet40数据集中分类的总体精度可达到93.3%,比PCT提升了0.1%;类平均精度可达到92.0%,比PointMLP提升了0.6%。同时,在ShapeNet数据集中的点云分割结果也是有效的。

摘要：随着数字化应用技术和电视、电影工业的发展,大规模虚拟场景渲染越来越广泛地应用到数字工业上,已成为计算机图形学和计算机视觉的重要组成部分。主要介绍复杂场景的高清渲染技术,并较系统地回顾高效渲染技术如GPU协同计算及渲染和无缝LOD渲染,侧重讨论视频超分辨技术和前景抠取技术,具体指出现有的渲染技术存在的一些困难和未来的发展方向。

摘要：分别对考试分析管理系统设计中的软件需求分析、数据库设计、客户端应用程序设计及其开发过程中遇到的问题进行了探索和研究。该系统建立在CS模型的基础上,使用MSSQL Server数据库,并借助PowerBuild设计而成,可方便、快捷地统计每一场考试的数据。