基于再生核W空间的图像插值算法

提出了一种基于再生核的图像插值方法.再生核源于不同学科分支,已成为函数逼近的重要工具.该方法将再生核的再生公式离散,并按照证明的再生核数值积分方法导出了新型的图像插值算法.新插值算法的优点是利用再生核的数学模型特点保持图像的边界信息和光滑性,促进了插值的整体性能.实验结果表明:该算法能够克服其它算法的缺点,获取的高分辨率图像既能够保持图像的边界信息,又能保证图像的光滑性.     

改进的基于形变模型的三维人脸建模方法

提出了基于均匀网格重采样算法的原型三维人脸对应算法. 基于人脸特征实现原型三维人脸之间的对应, 克服了传统对应算法对应效果差，算法精度低的缺陷；提出了基于改进遗传算法的形变模型匹配算法. 新的匹配算法不依赖于目标函数的梯度信息和初值，全局搜索能力强. 优化过程中交叉和变异概率的调节机制，有效提高了算法的收敛速度和精度. 实验结果表明，新的对应算法可有效实现原型三维人脸之间的对应，提高形变模型的精度. 新的匹配算法能有效提高模型匹配的效率和精度，缩短模型匹配时间.     

一种边折叠三角网格简化算法

针对目前自动网格简化算法在大规模简化时往往丢失模型重要几何特征的问题，该文提出了一种改进的边折叠三角网格简化算法。在Garland算法基础上引入三角形重要度概念，并加入到误差测度中，使得二次误差测度不仅能够度量距离偏差，而且能够反映模型局部表面几何变化。实验结果表明新的算法在保持二次误差测度快速特点的同时，使得简化模型在较低分辨率下能够保持更多的重要几何特征，有效地降低了视觉失真。     

多描述编码研究现状

研究开发实时、鲁棒的流媒体编码与传输技术已成为当前信息技术的一个热点问题.多描述编码作为解决该问题的一种方法,因其在满足数据传输实时性要求的同时可减少数据失真,受到广泛关注.文中首先介绍了多描述编码的历史和评价性能指标,然后详述了多描述编码的研究和进展状况,包括各类多描述编码方法的思想、框架和特点,最后对现有研究中存在的难点问题进行了探讨与展望.     

基于ICA算法的一般人脸动画模式表达

该文基于三维扫描数据抽取特定人面部特征点的三维运动,转化为FAP训练数据。然后通过对获取数据应用独立元分析获得一般人脸动画模式,最终使用ICA参数空间生成任意特定人的面部表情。实验结果表明,ICA比PCA给出更加紧致准确的一般人脸动画表达模式,当两种分量的数目相同时,ICA的重建误差比PCA的重建误差小。表情参数影响动画人脸不同部分的独立性和相关性,改善了不同表情人脸动画的真实性。     

基于肤色模型和椭圆环模板的人脸跟踪及姿态估计

文章提出了一种基于肤色模型,结合椭圆环模板进行人脸跟踪及姿态估计的算法。该算法在基于肤色模型实现人脸跟踪及特征定位的过程中首先利用肤色模型定位人脸肤色区域,在跟踪中增加了自适应学习模块,使得原始的肤色模型能够在不同光照下实现自适应调整。然后利用人脸形状的先验知识,通过椭圆环模板实现人脸边缘的精确定位。最后根据所得到的面部特征和人脸边缘位置估计出人脸的姿态。实验表明,该算法能够在自然光照条件下取得较为满意的跟踪结果,同时对人脸在旋转、缩放、遮挡等条件下,多人脸背景下的跟踪有较强的鲁邦性。     

基于空间网格表面距离的插值曲面

主要讨论基于空间网格表面距离的插值曲面.定义了一种空间网格表面距离,基于空间网格表 面距离,给出了两种定义在空间网格上的插值曲面：基于网格表面距离的径向基函数插值曲 面和基于网格表面距离的Kriging插值曲面,讨论了曲面的无穷阶光滑性,给出了一种计算网 格表面距离的折线跟踪算法.作为整体曲面,此类插值曲面与网格表面形状较为相符,比较适 合于局部插值与参数估计,如梯度、法方向的估计等计算.     

多尺度模态感知在文本指代实例分割中的研究与应用

文本指代实例分割(RIS)任务是解析文本描述所指代的实例,并在对应图像中分割出该实例,是 计算机视觉与媒体领域中热门的研究课题。当前,大多数 RIS 方法基于单尺度文本/图像模态信息的融合,以 感知指代实例的位置和语义信息。然而,单一尺度模态信息很难同时涵盖定位不同大小实例所需的语义和结构 上下文信息,阻碍了模型对任意大小指代实例的感知,进而影响模型对不同大小指代实例的分割。对此,设计 多尺度视觉-语言交互感知模块和多尺度掩膜预测模块：前者增强模型对不同尺度实例语义与文本语义之间的 融合与感知;后者通过充分捕捉不同尺度实例的所需语义和结构信息提升指代实例分割的表现。由此,提出了 多尺度模态感知的文本指代实例分割模型(MMPN-RIS)。实验结果表明,MMPN-RIS 模型在 RefCOCO, RefCOCO+和 RefCOCOg 3 个公开数据集的 oIoU 指标上均达到了前沿性能;针对文本指代不同尺度实例的分 割,MMPN-RIS 模型有着较好的表现。     

基于图嵌入的自适应多视降维方法

随着监控摄像头的普及和数据采集技术的快速发展,多视数据呈现出规模大、维度高和多源异构的特点,使得数据存储空间大、传输慢、算法复杂度高,造成“有数据、难利用”的困境。到目前为止,国内外在多视降维方面的研究还比较少。针对这一问题,本文提出一种基于图嵌入的自适应多视降维方法。该方法在考虑视角内降维后数据重构原始高维数据的基础上,提出自适应学习相似矩阵来探索不同视角之间降维后数据的关联关系,学习各视数据的正交投影矩阵实现多视降维任务。本文在多个数据集上对降维后的多视数据进行了聚类/识别实验验证,实验结果表明基于图嵌入的自适应多视降维方法优于其他降维方法。     

具有真实感的三维虚拟特定人脸生成方法

三维人脸的计算机生成目前是一个具有挑战性的课题。如何在人脸复杂的、不规则的表面上建模以及如何反映出特定人脸间的个体差异是现真实人脸模拟的两大主要困难所在。本文针对后者,提出了一种新的三维特定人脸生成方法,该方法基于人脸模型变形技术,允许模拟者在交互方式下将一般人脸几何模型和豫先提供的特定人脸多方面图像之间进形特征校准,进而得到特定人脸三维模型,该模型将精确地反映特定人脸的诸特征,同时,这种变形技术