摘要：基于骨架数据的细粒度人体动作识别是一项重要的研究课题,但未被充分解决.由于骨架数据缺乏视觉表观信息,相似类别的人体动作很难被现有的深度网络模型识别.在这项工作中,我们提出了一个新型的运动显著性探测器(motion salience prober,MSP),并引入了配对学习(motion salience prober-incorporated pairwise-learning,MSP-PL)框架,以实现细粒度的骨架动作识别.我们的MSP-PL框架在构造成对的相似骨架运动样本基础上(查询样本与探测样本),利用运动显著性学习机制,促进编码器学习精细化的运动特征.其核心模块MSP可以在我们设计的探测样本和损失函数的帮助下,增强查询样本的显著性运动特征,并消除冗余的噪声.本文设计了3种探测样本构造策略来生成查询–探测样本对,辅助模型识别查询样本的动作,并测试了它们对模型性能的影响.在NTU-RGB+D120数据集与Kinetics-Skeleton数据集上的大量实验表明,我们的MSP-PL框架是通用的,大多数骨架特征编码器可以无缝嵌入其中,并显著提高其准确性.5个主流的编码器对精细化动作的平均分类准确率提高了2.4%以上.此外,我们的MSP-PL框架在与最新的编码器相结合时,在骨架动作识别方面达到了最先进的性能.

摘要：提出了一种函数级演化硬件的实现方案,这是一种间接演化的方法。它将电路分层表示,用有向图和树对电路结构及元素进行编码,运用遗传程序设计的思想演化构造实际电路,并且通过软件仿真来评价电路。也给出了数字电路仿真算法设计的具体描述。通过该方案构造了一个随机数发生器,并用Diehard测试程序对其随机性进行了测试。实验结果表明,用该方案构造大规模数字电路是可行的。

摘要：从参数化系统的模型表示方法出发,分析了拓扑元素永久命名问题,探讨了解决该问题的4个基本条件及其内在关系.将拓扑元素永久命名问题分为唯一命名及其辨识问题和模型重建阶段拓扑结构发生改变时的语义辨识问题2个层面展开综述.其中,第一个层面涉及到原始名字和边界模型的关联,引用名字的构造2个问题;在第二个层面中,按照所引用的信息类型分为引用拓扑对象的几何信息和拓扑对象本身2种处理模式.对其他相关研究中的名字问题进行了概述.最后对今后研究方向进行了探讨.

摘要：传统的纹理合成方法使用高维向量树来加速目标纹理块的搜索效率,存在占用内存量大、执行效率低、无法在GPU上并行执行等缺点.为了实现图像块的快速近似邻域查找,提出一种并行优化纹理合成方法.该方法分为初始化和迭代优化2个阶段,初始化阶段从样本纹理中随机抽取样本纹理块填充目标图像,迭代阶段交替采用并行的随机查找算法和并行的纹理块传播算法迭代精化目标纹理.随机查找算法根据最相似纹理块出现在前一目标纹理块周围的概率与它到前一目标纹理块的距离成反比的特点,使随机采样纹理块的概率分布与最相似目标纹理块出现的概率相匹配,达到加速纹理合成的目标.采用CUDA实现了文中方法,实验结果表明,其执行效率比已有的纹理合成算法快50~100倍,可应用于交互式纹理合成和超大尺寸纹理合成.

摘要：针对离散最优传输算法复杂实现难度大的问题,将最优传输转换成多个三维平面的渲染问题,提出一种利用GPU渲染管线以绘制四边形的方式求解的简单算法.首先根据最优传输的原像计算得到一系列三维空间中的平面;然后使用正交相机对这些平面进行渲染得到其垂直投影,并根据投影中每个胞腔的面积可以得到当前测度;接着使用梯度下降法调整平面的位置,使得当前测度等于目标测度,得到最优传输的结果;最后基于该算法构建了拓扑圆盘网格的保面积参数化算法.使用Maxplanck, Alexraw, Lion, Totoro和Buddaha模型进行实验,与使用数值法进行比较,该算法的迭代速度提升了8倍;与其他类似的算法进行对比,使用面积之比取对数作为评判指标,结果表明该算法的保面积效果更好.

摘要：交点计算是光线跟踪算法中开销最大的部分,层次包围盒(BVH)则是主流加速结构.为了提高BVH的构建速度,提出一种基于动态任务调度和warp线程优化的BVH构建算法,并针对目前主流GPU架构特点进行优化.该算法根据表面积启发式(SAH)值对BVH进行自底向上多轮优化;在每次循环的开始阶段判断当前线程是否空闲,若空闲,则根据记录任务进度的全局变量进行任务分配,否则,继续遍历BVH;当遍历到符合条件的节点时以该节点为幼树根节点进行幼树重构,这一阶段使用同一warp中的32个线程协同进行幼树重构,并且可以依据幼树叶子节点数调整同时处理的幼树个数.对经典的三维场景进行实验的结果表明,在BVH构建质量相同的情况下,当场景中三角元片数超过10万时,BVH构建速度会得到提升;当三角元片数大于100万时,该算法比聚类幼树重构层次包围盒(Atr BVH)算法在BVH优化阶段速度提升47%,从而使整个构建速度提高25%.

摘要：为了解决CAD系统在线集成中的建模历史不一致问题,提出了一种基于建模历史一致性的协同CAD并发控制方法.首先,对协同CAD建模操作间的关系进行了详细分析.然后,构造了一种考虑建模历史的并发控制模型,该模型通过状态向量实现建模操作间的因果关系维护,通过重构操作历史来解决建模操作间的偏并发关系,并将存在并发关系的建模操作分为互换、屏蔽和互斥3类分别进行处理.最后,设计了一种支持建模历史一致性的协同CAD并发控制方法,本地站点产生的操作立即执行,远程站点调用并发控制模型中的处理机制以完成远程操作的并发控制.实验结果表明,在协同CAD环境中,所提方法为用户提供了自由并发交互协同工作的同时,能够维护各协同站点建模历史的一致性.

摘要：该文提出了利用生成自适应代理粒子来实时耦合TLED非线性有限元与隐式不可压缩流体的新方法.首先,该文根据固体表面的局部高斯曲率对固体表面采样生成不同分辨率的代理粒子.其次,为了避免代理粒子和流体粒子间过早的耦合,文中设计代理粒子光滑核函数的支持域为椭球型.其次,为了防止流体粒子在固体发生形变时产生穿透现象,作者在每个时间步长内对固体表面进行重采样生成代理粒子,并自适应地改变其支持域的大小,最后,在处理边界时运用正则化方法计算边界处粒子的物理量,并利用基于统一计算设备架构的GPU并行计算方法对耦合过程进行加速.实验结果表明,该文提出的方法能在减少采样粒子、提高计算效率的同时,实现实时逼真的流固耦合效果.

摘要：在机场机位自动分配系统中引入知识库，可以提高系统的灵活性和通用性。该文针对机场机位分配系统的实际要求，从知识的组成出发，给出了一种基于关系型数据库的通用知识库结构设计，同时用拆分规则的形式化方法表示知识，从而使得该系统能够完善地表达事实-规则体系知识，并且使得推理的过程变得简单高效。

摘要：评分预测问题是推荐系统研究的一个分支.在上下文感知推荐(Context-Aware Recommendation,CAR)中,常常需要考虑上下文因子(或称属性)对评分预测效果的影响.现有模型大多是捕捉单个属性的特征并加上多个属性间的相互作用(简称属性交互)实现评分预测.然而,有些算法在捕捉属性间的相互作用时没有针对性,使一些属性交互对预测结果没有帮助,甚至降低模型性能;而且,在实现属性交互时,很多算法只是单纯地使用固定的属性值,没有从某个方面挖掘出它们的潜在特征.为了解决这些问题,文中提出了属性提升(Attribute Boosting,AB)框架,从用户、物品与属性类型3个方面分别与属性进行交互.这种更精细的建模方式使属性能够自动地适应用户偏好、物品关联与类型特征,并能在评分预测中充分地发挥作用.在此基础上,文中结合概率图模型的低秩近似能力和随机梯度下降(Stochastic Gradient Descent,SGD)的快速训练优势,在算法性能和训练效率上进行权衡,设计了局部采样(Partial Sampling,PS)方法学习属性提升框架的参数,最终构成完整的属性提升与局部采样(Attribute Boosting with Partial Sampling,ABPS)模型.实验证明,ABPS模型通过有针对性的属性交互,能有效地挖掘出属性有用的隐含特征,从而减少盲目交互带来的消极影响;利用局部采样,该模型能使用更低的特征维度描述个性化信息,取得比其他模型更好的效果.