全球软件产业现状、趋势与挑战

日前有两种趋势,一方面许多小型的com公司正在走向低势或破产；另一方面，主流公司正在加大在网络上的投资。例如，微软的NET战略将把整个公司的发展架构在网络之上。未来的软件和信息服务都将建立在网络服务的基础之上。回想一下，我们大致可以将网络的发展划分为以下三个阶段：     

基于神经网络集成的多视角人脸识别

人脸在图像深度方向上发生偏转时,即使同一对象的人脸图像也会发生极大的变化。在此,将神经网络集成应用于多视角人脸识别,所用的人脸特征通过多视角特征脸分析获得。为每一视角的特征空间各训练一个神经网络,并利用另一个神经网络对其进行结合。利用训练好的神经网络集成进行识别时不仅不需进行偏转角度估计预处理,而且还可以在给出识别结果的同时给出角度估计信息。实验结果表明,该方法的识别精度高于根据精确的偏转角度估计信息挑选最佳单一神经网络所能达到的效果。     

可伸缩性视频编码的码率分配算法

本文研究了渐进的精细的可伸缩性(Progressive Fine Granular Scalable,PFGS)视频编码的增强层码流的码率分配问题,它是由PFGS各帧的增强层码流长度不同引起的.我们首先建立了PFGS增强层的多帧联合的率失真(rate-distortion,R-D)函数,并通过MPEG-4标准测试序列检验了它的正确性.然后利用联合率失真函数给出了局部最优的码率分配算法,并进行了简化使得它的复杂性极低,非常适合流化视频(streaming video)服务器使用.实验结果显示本文提出的算法不仅使得各帧图像的解码质量比较平衡,而且将PFGS的编码效率提高了将近0.5dB.     

多视点平行拼图

提出了一种新的多视点拼图,称之为平行拼图,平行拼图不仅可以应用到基于图像的绘制技术中,而且可以广泛地运用于基于图像的三维重建。该文设计了从真实照片中得到高分辨率平行拼图的算法,建立了从平行拼图得到高精度绘制输出的数学模型,讨论了用照片建立平行拼图的精度上限,并且给出了良好的实验结果。     

基于物理模型的窗帘运动实时动画

提出了一个基于物理的窗帘实时动画模型.该模型不仅大大地减少了绘制的时间,而且保证了画面的视觉效果.通过把描述非刚体运动的半刚性杆相互连接来得到窗帘的模型.在该模型中,首先在经线和纬线的方向上分别进行处理,然后再把它们组合起来,从而得到窗帘的模型.     

渐进、精细的可伸缩性视频编码

精细的可伸缩性的视频编码FGS（Fine Granular Scalable)是MPEG-4标准的视频流化框架中的关键性编码技术,由于在FGS编码方案中运动补偿是参考一个最低质量的重构层,因而编码效率较低。在这篇文章中,我们首先提出了一个渐进的精细可伸缩性的视频编码框架,简称为PFGS（Progressive Fine Granular Scalable),与MEPG-4中的FGS相比,PFGS编码框架试图在增强层的编码过程中采用多个高质量的参考来提高编码效率,这是因为高质量的参考可使运动预测更准确。但是,高质量的参考也会带来一些问题,首先,增加多个参考会使得PFGS编码需要更多的内存,同时也会增加其计算复杂性,因而在这篇文章中,首先将PFGS编码框架简化为只需采用一个额外的缓存来存储参考图像,而得到的编码效率几乎和原来多个参考一样,其次,在编码过程中,由于转换参考图像会造成增强层间编码系数的振荡,从而部分地抵消了采取高质量参考的优势。文中同时提出了一个有效的消除振荡的方法,即采用高质量的参考对所有增强层进行编码而用低质量的参考来重构以解决误差传播问题。实验结果表明,我们所提出的PFGS编码框架的编码效率能比MPGE-4中的FGS提高1dB以上,同时保留了FGS所有的优点,比如精细可调性,自适应网络带宽变化和差错恢复能力等。     

无处不在的人机交互——下一代可见和不可见的用户界面

微软中国研究院王坚主任研究员多年从事人机交互作用、多通道用户界面及人类认知等方面的研究,他将为我们阐述这样一个观念:虽然至今还没有一种新的人机交互模式代替图形用户界面成为主流,但人们对新一代人机交互技术有了更深入的理解。我们可以相信,无论采用笔计算、言语计算或视觉计算,下—代可见与不可见的交互计算一定会以无所不在的人机交互方式来支持任何时候、任何地点的个人计算。     

拼写纠正在拼音输入法中的应用

中文输入法一直是中文语言研究的一个难题,文中以拼音整句输入法为基础,提出了在中文输入过程中的拼写自动修改,通过对用户输入过程中所犯各种错误的分析,建立了一种有效可行的打字模型,通过收集用户真实输入的数据,统计得到用户的打字模型的参数;同时基于大量的中文文本,训练得到一个强大的中文语言模型,并与中文的打字模型相结合,采用类似语音识别的技术,修改用户输入中的各种错误,并得到最适合的汉字。同时,拼写纠正不仅可以进行用户自适应,而且还适用于各种语言。     

从同心拼图中恢复深度信息

同心拼图（Concentric Mosaics,CM)是一种重要的基于图像的绘制方法。如果利用深度信息则可以进一步提高绘制质量并减少数据量。作者发现在CM序列中也存在着近拟的极线平面图像（Epipolar Plane Image,EPI）,而且像点在EPI图像上的轨迹斜率和物点的深度呈近似线性关系。基于此发现,该文提出了一种从CM序列中自动动恢复深度信息的方法。这个方法首先利用EPI图像的频谱分析对场景的深度分布范围做出估计,然后根据全光采样的原理在EPI的斜率空间均匀的分割投票箱,并对给定窗口内频谱能量进行投票,以求得能量的最大方向,从而获得这个窗口所对应的深度,最后组合成CM的场景深度图,实验结果证实了上述方法的有效性。     

多媒体信息标准最新进展

多媒体信息压缩技术是目前国际上的热点问题。由于技术标准问题直接影响到企业的前途与命运,对维护国家主权和经济利益都有着不可替代的作用,世界各国都非常重视这一问题,并投入大量资金和人力予以支持。本文作者作为中国代表团团长多次参加MPEG国际会议,文中他主要介绍了多媒体信息标准的最新情况及我国目前的发展现状。