摘要：点云补全指利用不完整点云数据重建完整三维模型的过程。现有的大多数点云补全方法受点云无序性和不规则性影响,难以有效地重建局部细节信息,进而影响补全精度。为解决这个问题,提出基于注意力的多阶段点云补全网络。设计了满足置换不变性的金字塔式点云特征提取器以建立局部内点间的依赖以及不同局部间的相关性,在提取全局特征信息的同时加强对局部特征信息的提取。在点云重建过程中,采用由粗到精的方式,首先生成一个低分辨率的种子点云,然后逐步丰富种子点云的局部细节,得到更加精细且稠密的点云。在公开数据集PCN下进行的对比实验结果证明了所提网络能够有效重建局部细节信息,与现有方法相比,在补全精度上提升了至少5.98%。消融实验结果也进一步验证了所提注意力模块的有效性。

摘要：针对无人机检测中存在的目标较小、受背景环境影响大、以及多光谱特征难以深度融合等问题,本文提出了针对无人机小目标检测的多尺度多光谱交互注意力融合目标检测模型.首先,将骨干网络设计为双流网络,分别提取不同尺度红外和可见光特征,并增加小目标检测层和BiFPN级联操作,提升对无人机小目标特征的提取能力.其次,创新性的设计了多光谱交互注意力融合模块,在该融合模块的指导下,网络可以在不同尺度融合红外和可见光模态的信息,使红外和可见光的特征进行深度聚合,发挥各自模态的优势,指导开展无人机小目标检测.实验结果表明,与最先进的多光谱目标检测模型相比,本文提出的模型在FLIR、LLVIP两个公开的多光谱目标检测数据集上都达到了优越的性能,在构建的多光谱无人机数据集上,本文提出的模型有效提升了无人机的检测精度和鲁棒性.

摘要：光照是影响人脸识别效果的重要因素,针对当前人脸数据建库技术构建满足光照分析需求的数据库难度较大的问题,开展基于三维人脸模型的深度人脸识别光照分析研究.首先,借助三维人脸模型,根据人脸基图像表示理论提出一种对应任意光照的人脸图像生成方法,用于构建光照分析所需的人脸图像库;然后,利用构建的多光照人脸图像库分析不同光照采样方案对人脸识别模型性能的影响,探索建库所需的最优光照采样方案;最后,借助虚拟数据具有准确光照标注的优势,基于多任务学习框架测试不同光照标注方法对识别网络训练效果的影响,进一步提高深度人脸识别网络对光照变化的鲁棒性.通过在虚拟数据和真实数据上开展的不同光照采样方案及标注方法对人脸识别模型性能影响的实验得出,使用适量基图像光照构建数据库是一种有效的光照采样方案,而准确的光照标注可进一步提升人脸识别率,对应的识别模型在具备极端光照的测试集上的人脸识别率可达98%以上.该研究提高了深度人脸识别模型的性能,为构建人脸图像库的光照采样策略和光照标注方法提供了依据.

摘要：随着倾斜摄影大规模场景应用的逐渐普及,在基于网络传输的应用中,针对多细节层次(LOD)层级切换滞后和跳变的问题,以倾斜摄影点云作为基本图元构建场景,并在此基础上改进渲染效果和传输效率.首先,对于无法使用部分传输的高精度数据进行绘制的问题,提出一种多LOD层级混合渲染算法,及时、有效地表达高精度数据的特征;其次,对于数据传输效率较低的问题,提出细粒度的点云传输及裁剪策略.最后,在点云地形块内部启用基于法向量的预处理划分,并在运行时通过优先级排序和剔除,确保最大化利用传输的数据.实验采用化简后的倾斜摄影点云,引入分布及命中等评价指标,与传统Splatting面元绘制算法对比,能在层级切换时有效地降低画面RMSE和提高模型纹理质量.结果表明,使经过裁剪的部分高精度数据参与渲染可以使层级切换及时、平缓,获得较好的视觉效果.

摘要：为了渲染含大量动态光源的动态场景,提出一种时空重采样算法.首先利用实时随机光源裁剪对光源进行重要性采样,生成重采样样本;然后提出一种快速时空样本有效性判断方式,通过检查几何属性与可见性,避免错误选择重采样样本而引入误差;最后通过重采样复用时空样本,依样本权重选择重要样本进行着色,提高样本质量.自建场景与NVIDIA ORCA场景的实验结果表明,所提算法能够取得较好的采样质量,通过修改空间重采样数可平衡该算法的耗时与渲染质量,使之具有一定的拓展性;与实时随机光源裁剪算法相比,在相同采样数时该算法能够取得更高的渲染质量,而渲染质量相近时该算法耗时可减少20%~40%.

摘要：为了渲染含大量动态光源的场景,提出一种层次重采样算法.首先提出一种稀疏八叉树的实时重建策略,通过并行排序和合并加速其重建;然后通过自顶向下遍历稀疏八叉树,对以均匀网格离散化表示的空间进行高效采样;最后,为了提高渲染质量,对该空间内的均匀网格进行重采样.在ORCA和自建场景下的实验结果表明,所提算法能够较好地在渲染效率和质量间取得平衡,采样和渲染质量优于随机光源裁剪算法,而且渲染结果质量相近时,所提算法采样开销可减少约50%.

摘要：针对商用中央处理单元(central processing unit,CPU)的专用许可证授权费用高和卷积神经网络性能待提升等问题,设计了一种基于多视图并行且具有可配置性的卷积神经网络加速器,同时结合第五代精简指令集(reduced instruction set computing, RISC-V)构建该加速器的片上系统。首先,扩展一组适用高速协加速器的控制访问接口和数据访问接口。其次,以多视图并行与结构复用的方式实现卷积神经网络各运算单元:视图并行的不同组合将影响卷积单元硬件电路结构,因此多视图并行可通过复用基本运算结构来完成;池化单元由行池化和列池化子单元构成,且共享行池化的运算结构;对于全连接单元,采用调整全连接运算参数的方法来适应卷积单元的硬件结构,从而完成模型间的复用。然后,针对不同运算单元的硬件结构设计不同寄存器组,并结合开源RISC-V处理器实现多种网络模型。最后,在不同平台分别部署卷积、池化和全连接模型,计算运算时间、吞吐量和速度等。实验结果表明,对于相同卷积结构,本文设计的加速器和CPU平台的速度比是189。在本文设计的加速器中部署视觉几何组(visual geometry group,VGG)的卷积运算,其吞吐量可达178.6 GOPS。综上所述,利用多视图并行能够达到加速效果,且以配置寄存器方式可实现不同网络模型。

摘要：实时渲染半透明物体是提高游戏画面真实感的重要因素,为了在兼顾质量的同时提高半透明物体渲染的速度,提出使用小波级数重建半透明物体透射率的顺序独立半透明(order-independent transparency,OIT)渲染算法.在渲染半透明物体时,首先通过光栅化得到每个像素对应的所有半透明片元;然后根据深度值将半透明片元的吸收率投影至小波尺度函数,计算并累计系数,得到重建每个像素对应的透射率函数所需的信息;最后在计算半透明片元对某一像素的贡献时,取出该像素处保存的小波系数以重建透射率函数,代入深度值计算出其透射率,将该片元的颜色累计至最终像素.实验使用半透明的Utah teapot,Stanford dragon等数据在GTX 980显卡上进行渲染,结果表明,在不同场景中本文算法比基于矩的OIT算法效率提升了10%~40%.将基于并发链表的OIT算法作为准确结果,本文渲染结果的均方误差(root mean square error,RMSE)不超过1.5%.

摘要：实时间接光泽反射效果有助于提高渲染场景的真实感.为了解决虚拟点光源(virtual point lights,VPLs)在光泽材质处的着色走样问题,提出基于VPLs光照贡献重要性的渲染算法.首先提出基于Tile的光照贡献估算方法,通过分块拟合和分块剔除快速估算VPLs的光照贡献;然后通过自适应权重的时域复用方法,生成重要性驱动的分布图;最后结合Mipmap多级纹理映射技术,快速在场景的不同区域生成不同密度的VPLs.在金属戒指和斯坦福兔子等场景下的实验结果表明,使用相同数量的VPLs进行渲染,所提算法渲染质量优于随机光源裁剪算法,渲染结果的均方根误差不超过2%.

摘要：为提升无人机在复杂空战场景中的存活率,基于公开无人机空战博弈仿真平台,使用强化学习方法生成机动策略,以深度双Q网络(double deep Q-network, DDQN)和深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法为基础,提出单元状态序列(unit state sequence, USS),并采用门控循环单元(gated recurrent unit, GRU)融合USS中的态势特征,增加复杂空战场景下的状态特征识别能力和算法收敛能力。实验结果表明,智能体在面对采用标准比例导引算法的导弹攻击时,取得了98%的规避导弹存活率,使无人机在多发导弹同时攻击的复杂场景中,也能够取得88%的存活率,对比传统的简单机动模式,无人机的存活率大幅提高。