摘要：现有的音频驱动人脸动画技术主要注重唇部运动与音频的同步性,忽略了对人物面部表情或头部运动的再现能力。为此,提出了一种融合音频内容、风格和情感特征的高质量人脸动画生成方法(ACSEF)。首先,设计了情感动画模块(EAM),从音频中提取隐含的情感辅助特征来估计更加准确的面部情感标志位移,然后与语音内容和说话者风格动画的面部地标位移进行融合,提高landmarks(面部地标)预测的准确性和生动性。其次,设计了一个基于U-Net模型的注意力增强解码器(AADU),使得估计的地标与图像最终解码为逼真的包含唇音同步、头部运动和面部表情的理想视频帧。实验表明,该方法既能增强面部情感表达,又可使图像更加清晰,效果优于对比基线模型。

摘要：分布式计算有很多应用需要参与各方协同执行集合的一些计算但不泄露各自数据集的信息.保密集合交集(private set intersection,PSI)计算已经成为数据匹配、数据挖掘、推荐系统等应用中保护用户隐私的一个重要工具.本文的主要工作是构造无匹配差错的安全两方保密集合交集运算协议.着重探讨三个问题:(1)开发构造无匹配差错的两方保密集合交集计算所需要的工具(①面向有理数且具有语义安全性的加密方案,②便于集合匹配计算的称之为集合的定长向量编码方法);(2)无匹配差错的两方保密集合交集计算问题;(3)元素为有理数的保密集合交集计算问题.首先在标准模型下设计了一个能够加密有理数的方案,并证明了该方案能抗自适应性地选择明文攻击;而后又提出了一种便于集合匹配计算的,称之为集合的定长向量编码方法;最后基于有理数加密方案和集合的定长向量编码方法构造了两个面向有理数的、无匹配差错的两方保密集合交集协议.与先前的两方保密集合交集协议相较之,这两个协议不仅解决了无匹配差错的两方保密集合交集计算,还拓展了保密集合交集问题中隐私保护的范畴:除了可以保护各参与方的隐私数据外,还可以保护各参与方隐私数据的数量.

摘要：在基于B/S架构的信息管理系统使用过程中,必须完成大量表单数据的填写及录入,但目前其主要方式为手工录入,存在录入效率低和结果不准确等问题。为此,通过研究搜索引擎的实时预测功能和推荐系统,提出一种基于逆最近邻协同过滤的表单推荐录入模型。介绍模型体系架构及执行流程,在此基础上设计改进的逆最近邻协同过滤算法,使用该算法获取基于用户行为的表单录入推荐结果,从而将个性化推荐应用于数据录入和表单填写领域。实验结果表明,该模型可有效提高数据录入效率和录入结果的准确率。

摘要：人体建模一直是计算机图形学、计算机视觉和虚拟现实等领域的重要研究方向之一。为了更好地展示虚拟试衣效果以及简化虚拟试衣技术实现的难易程度,人体建模技术起着至关重要的作用。本文从人体建模方法以及应用场景角度,回顾总结了人体建模领域一些最新研究成果,对比分析了各类人体建模技术的特点,以及它们所适应的不同应用领域,并展望了未来虚拟试衣的发展趋势。

摘要：针对传统课堂复杂、无序的碎片化知识易对学生认知产生知识负荷、认知不立体等问题,提出一种新的知识树的概念,利用虚拟现实(virtual reality,VR)技术实现知识内容可视化、抽象化,支持课程概念立体可视化,通过树干树枝等层次架构突出知识领域的纵向分布。使用3ds Max构建课堂模型,将三维树模型导入Unity3D引擎中布置场景并实现交互式开发;通过构建知识图谱整理碎片化知识,并利用插值算法生成树模型,形成主题知识树;借助动态资源加载和场景异步加载,完成系统搭建。结果表明,该系统具有良好的三维可视化效果及高效的知识聚合能力,可有效增强学生的知识感知能力。

摘要：针对传统化学教学的局限性及现有虚拟化学课堂的不足,以Unity3D为基础设计并实现了虚拟化学智能课堂系统.构建虚拟场景并导入Unity3D引擎,通过C#脚本和粒子系统开发虚拟仿真实验;为解决多人虚拟场景下权限分配问题,实现了采用权限策略的智能辅助模块,为不同学生分配不同权限并提供文字视频等提示功能;通过Spring Cloud框架对系统功能进行拆分,同时使用Redis优化系统.系统适用于中学化学教学,实现了具有权限控制及高仿真的虚拟实验,有效解决虚拟场景下权限问题,提升学习效率,且具有高可用性等优点.

摘要：针对现有虚拟课堂交互性不足的问题,设计并实现了基于Unity和Leap Motion的虚拟课堂系统。基于Unity构建不同的虚拟场景,实现了场景漫游和交互功能;设计了合理的UI交互界面,引导学生自主学习,从而极大地调动了学生学习的主动性;基于Leap Motion和深度学习算法开发手势交互功能,将手势识别加入到虚拟课堂当中,丰富了交互体验,有效提高了课堂沉浸感和参与感。经调研,系统能够有效解决现有虚拟课堂存在的问题,从而提高学习效率和学习趣味性,同时具有较好的交互体验感。

摘要：针对传统推荐模型存在的稀疏性和冷启动问题,引入知识图谱作为辅助信息,可缓解以上问题并具有可解释性。然而相比用户偏好传播,知识图谱更倾向知识传播且难以捕捉高阶关系。为此,文中将协同因子模块融合到知识图谱传播推荐算法中,以捕捉高阶关系和发现隐式模式。此外,设计了一个由共现矩阵密度参数构成的密度门,使得协同因子模块能够通过感知共现矩阵的稀疏性来控制输出。最后分别在电影、图书和音乐这3个公开数据集上进行对比实验,实验结果表明该模型在点击率预测场景中表现较好,在知识图谱实体关系难以解释用户兴趣偏好的数据集上指标提升明显。

摘要：针对命名数据网络(NDN)中传统缓存放置策略存在的数据冗余以及对所有内容提供无差别服务的问题,提出了一种基于节点重要度和内容类别的缓存放置策略(NICC),该策略根据不同服务的QoS需求,将命名数据网络中的内容划分为不同的类别,为不同类别内容设计不同的权值,且提供不同的缓存判决条件。同时考虑NDN网络中的路由节点的重要度,节点重要度的度量为介数,介数越大与该节点相联系的链路条数越多,即有更多的内容转发路径要经过此路由节点,然后在节点重要度高的路由节点优先考虑处理高优先级和高QoS需求的缓存,并能更好地满足不同服务需求的缓存资源。仿真实验显示,所提出的缓存放置策略在平均缓存命中率上超过45%,平均请求时延低于12ms,降低了缓存冗余,提高了缓存效率。

摘要：随着虚拟现实技术的飞速发展,Leap Motion等体感传感器出现并被广泛地应用在人机交互中.针对Leap Motion体感控制器在识别范围边缘识别率低且识别速度慢的问题提出了一种基于深度神经网络的Leap Motion手势交互方法.该方法在定义的交互手势基础上,设计了三维交互系统并应用到虚拟场景中.系统首先通过Leap Motion进行数据捕捉,对获取到的红外图像采用深度神经网络进行特征提取并实现对手势的分类识别,然后结合Leap Motion获取的手部坐标前后帧的变化来判断动态手势,最终结合动态手势完成虚拟场景中的交互功能.经过实验验证,本文手势识别方法无论是在识别速度还是识别精度上都优于Leap Motion自带的手势识别方法,同时在Leap Motion识别范围边界处仍能保持较高的识别率.