支持流水传输的AXI4主机转换接口设计

针对现有的AXI4主机转换接口只能工作在半双工模式且不能同时发起多次传输申请的问题,提出一种支持流水传输的AXI4主机转换接口设计方案。加入地址信息存储模块,允许转换接口在主机当前传输操作未结束时对新申请的地址信息进行存储,并于总线允许发送下一个地址数据时把存储模块中的地址信息发送到总线上,同时采用读写分离的状态机进行设计,使转换接口全双工工作且支持流水传输。仿真结果表明,当主机需要进行2次4个数据的连续读传输及1次8个数据的连续写传输时,该方案设计的转换接口比半双工转换接口节省16个时钟周期,能有效减少传输耗费时间,保证数据传输的正确性。     

基于CdSe/ZnS核壳型量子点的高灵敏、快速细菌计数新方法的研究

以乙酰丙酮镉和硬脂酸锌为前驱体,合成了巯基丙酸修饰的CdSe/ZnS核壳型量子点(QDs)。并将其作为荧光探针,以金黄色葡萄球菌(S.aureus)为目标细菌,建立了一种高灵敏的、简单快速的细菌计数新方法,并借助荧光显微镜成功的进行成像探测研究。通过考察量子点浓度、孵育时间等因素的影响,确定了细菌定量检测的最佳条件。在最优化的实验条件下,体系的相对荧光强度随细菌数量的增加而增大。该方法的线性范围为102CFU/mL～106CFU/mL,检测限为102CFU/mL,线性回归方程为Y=427.586X-677.022(R=0.996 49)。本方法有效克服了传统的细菌计数方法存在的缺陷,具有较高的灵敏度和较好的重现性(实际样品检测的RSD=3.6%～8.1%),且操作简单、检测时间短、成本低,有很好的潜在应用价值。     

一种优化的可变形物体碰撞检测算法

对可变形物体的碰撞检测提出了一种优化的加速算法。算法在Sean Curtis[1]等人提出的特征三角形检测算法的基础上,增加了点和边的基本元素动态分配,并且用多叉树代替二叉树,提高了碰撞检测的效率。新算法可以应用于所有以三角形为基本单位的模型,能够显著地减少基本元素对的检测,并且可以和传统的层次包围盒法结合使用。用提出的优化加速算法对连续碰撞检测中的球-布模型和人体模特-服装模型进行了检测,实验表明,改进的算法相比原算法减少了元素检测的对数,缩短了检测时间,性能提升非常明显。     

利用深度学习的HEVC帧内编码单元快速划分算法

新一代视频编码标准高效视频编码(High Efficiency Video Coding,HEVC)中编码单元(Coding Unit,CU)大小不同的特性使得编码效率得到显著提升,但同时带来了极高的计算复杂度.为了去除CU划分中多余的计算从而降低编码复杂度,本文提出了一种利用深度学习的编码单元快速划分算法.首先使用原始视频亮度块及编码信息建立了一个HEVC中CU划分的数据库,用于接下来本文深度学习神经网络的训练.然后,为了更好地贴合编码单元划分的层级结构,本文提出了一种基于Inception模块的神经网络结构,使之内嵌于HEVC编码框架中对编码单元的划分进行提前预测,有效地去除了All Intra配置下中冗余的CU划分计算.实验结果表明,本文提出的算法与HEVC官方测试模型(HM16.12)相比,编码时间平均降低了61.31%,而BD-BR与BD-PSNR仅为1.86%和-0.13dB.     

一种有效的隐式约束动力学布料动画方法

布料动画中,通常采用施加约束的方式限制布料的过度拉伸.已有的研究工作没有充分考虑拉伸约束与弯曲形变之间的关系,构造的动画模型并不完善,无法模拟布料无拉伸而多褶皱的"刚柔"相混的复杂变形效果.针对此问题,提出一种基于隐式约束力的布料动画方法.首先,建立有效的布料弯曲受力模型,并提出一种动态适应性约束方法,能够同时处理布料运动过程中结构和剪切2种不同类型的拉伸,避免单一结构拉伸约束导致的"过剪切"变形或者过约束导致的"刚性"失真效果;建立碰撞约束,避免局部调整穿透质点引起的过度拉伸问题.其次,将各种约束以隐式约束力的形式增加到动力学系统中,采用约束型迭代精化的方法进行求解.实验结果表明,该方法稳定有效,能够在保持布料弯曲形变的前提下,将拉伸控制在合理范围内,真实地刻画布料"易弯抗拉"的变形特征,实现逼真的布料变形动画模拟.     

布料动画方法研究进展及问题

布料动画技术是计算机动画领域的热点研究方向,可以广泛应用于数字娱乐、三维游戏以及服装工业等多个领域.布料动画技术最为核心的研究问题是布料动画方法,其旨在构建动画模型,驱动布料产生形变,继而生成连续动画.好的布料动画方法是保证富有动感、且视觉逼真的布料动画生成的根本因素.近年,由于实际应用对布料动画模拟逼真性与实时性等需求的迫切增长,许多新技术和新方法应运而生.文中重点围绕布料动画方法的研究进展进行介绍.首先在对国内外研究工作进行全面分析与总结的基础上,根据生成布料动画所采用的技术不同,将其分为几何法、物理法、混合法、自适应网格法、约束动力学法、实例数据法、并行计算法等7大类,详细阐述每一类方法的原理及特点,并重点介绍每类方法近期出现的新工作;其次,对各类方法的优缺点及产业影响进行对照分析;最后,结合实际应用需求,针对目前工作中存在的不足,提出一些可继续深入研究的问题,并指出布料动画技术研究与应用的前景方向.     

一种基于视频数据的服装显著性预测方法

人眼视觉注意机制表明当人眼观察目标时,注意力只会放在少数感兴趣的区域, 而自动忽略视野中大部分不感兴趣的其他区域。研究人类视觉注意机制,并构建有效的服装显 著性预测模型,可在后期用于指导更加逼真有效的服装运动建模,提高模拟效率。为此,对着 装人体运动视频数据进行分析,构造了种类多样的视频样本,并利用眼动技术采集真实人眼的 注视数据,采用高斯卷积生成视频帧的显著图作为训练模型所需的 Ground-truth。在进行视频特 征提取时,结合了底层图像特征、高层语义特征以及运动特征,共同构造特征向量和标签,并 通过支持向量机(SVM)训练得到基于服装视频的显著性预测模型。通过实验验证,该方法的性 能在服装显著性预测时,优于传统的显著性预测算法,具有一定的鲁棒性。     

面向智能交通系统的仿真路网快速建模方法

提出了一种面向智能交通系统的仿真路网模型,与传统路网模型相比,增强了几 何表达和拓扑表达能力,同时其上可附着丰富的交通属性数据,能够满足精细化智能交通仿真 的需求。在此基础上,研究了一种路网数据迁移方法,从现有电子地图快速提取并构建面向智 能交通系统的道路路网。通过对几何精确性、拓扑完备性和建模高效性的测试表明,该路网模 型及其建模方法,提高了交通仿真基础路网建模的效率,降低了建模成本,为智能交通仿真的 广泛应用提供了高效、可靠的道路数据来源。     

融合多维信息的主题自适应Web API推荐方法

如何根据用户的自然语言需求描述自动生成或推荐用于解决问题的Web API服务集合,并辅助构建Mashup是业务流程管理者和服务组合者关注的热点之一.如何提高推荐的质量是大家关注的焦点.为此,本文提出一种融合多维信息的主题自适应Web API推荐方法HDP-FM（Hierarchical Dirichlet Processes-FactorizationMachines）为Mashup的创建推荐Web APIs集合.该方法以Web API的描述文档为语料库,利用HDP模型训练每个Web API的主题分布向量.其次,利用已生成的主题模型预测每个Mashup的主题分布向量,用于相似度的计算.最后将Mashup之间的相似度,WebAPI之间的相似度,Web API的流行度和共现性作为因子分解机模型的输入,评分排序获取用于推荐的Web APIs集合.为了验证HDP-FM方法的性能,本文使用从ProgrammableWeb平台上爬取的真实数据进行多组实验,实验结果表明,HDP-FM方法在准确率,召回率,F-measure和NDCG@N等方面具有较好的性能.     

基于残差注意力网络的地震数据超分辨率方法

地震数据在油气勘探、地质勘探领域发挥着至关重要的作用.精确详细的地震数据有助于对油气勘探做出精确指导,减小勘探的风险,从而产生巨大的社会效益和经济效益.在提升地震数据分辨率方面,现有的方法在面对海量数据时,在高分辨恢复、去噪性能和效率上效果欠佳,难以恢复出细节丰富的地质信息,无法满足实际需求.地震数据能够反映地质构造以及地层的组成,具有局部相关性高、全局相关性低的特点.同时,地震数据高频部分通常蕴含着地质勘探等重要信息,如分层、断层信息等.针对地震数据的特点,文中将地震数据重建问题转化为图像超分辨率问题,提出了采用基于生成对抗网络的地震数据超分辨方法.针对地震数据分布具有局部相关性高、全局相关性低的特点,设计残差注意力模块,挖掘地震数据的内在相关性,通过训练含有相对生成对抗损失函数的生成对抗网络模型,来对地震数据进行超分辨率恢复,以得到更加精确的地震数据.在真实的地震数据集上进行了实验验证,结果表明,所提方法在地震数据超分辨上效果良好,在性能指标PSNR和SSIM上有3％～4％的提升,具有较强的实用性.