沉浸式艺术审美体验的自我发现与再设计

探讨沉浸式艺术这一新概念，研究其审美体验是如何有助于自我发现并运用于艺术创作再设计中的。沉浸式艺术是一种能够启发感知联觉的审美体验方式，可使人们重新思考自己与“世界”(真实和虚拟)之间的关系。“感知”、“关系”和“转换”是三个相互交织并贯穿全文的主要问题，同时也是沉浸式艺术的研究基础。结合海德格尔“在世界上”(être-au-monde) 的观念来看，与其说“存在”，不如说人们沉浸并感知于这个世界中。然而，人们对周围环境的感知通常是无意识的，对于感知的认识也时常是冷漠和忽视的。沉浸式艺术使这些感觉得以被强调，它突出了个人的感知运动能力，同时也引起了人们对身体本身的重视。又如Bergson所提出的“投机性关注是建立在一种感知机制的基础上的，这种感知机制从根本上允许对世界进行一定行动而不是仅仅了解这个世界”。因此，对于一个完善的沉浸式审美体验过程来说，重要的是使观众自然地参与其中。当无意识的行为转换为肉眼可见的视觉效果时，审美体验将会更加深入人心。因此关于沉浸式艺术作品的创作，可以结合西方艺术家Marcel Duchamp的Ready-made的创作理念和中国道家的“无为”思想，研究怎样将被忽视的日常行为自然地转换为可见的，被重视的视觉效果，从而揭发主体与“世界”之间的多种潜在关系。     

自适应融合层级特征的混合退化图像复原算法

多种退化类型混合的图像比单一类型的退化图像降质更严重,很难建立精确模型对其复原,研究端到端的神经网络算法是复原的关键.现有的基于操作选择注意力网络的算法(operation-wiseattentionnetwork,OWAN)虽然有一定的性能提升,但是其网络过于复杂,运行较慢,复原图像缺乏高频细节,整体效果也有提升的空间.针对这些问题,提出一种基于层级特征融合的自适应复原算法.该算法直接融合不同感受野分支的特征,增强复原图像的结构;用注意力机制对不同层级的特征进行动态融合,增加模型的自适应性,降低了模型冗余;另外,结合L1损失和感知损失,增强了复原图像的视觉感知效果.在DIV2K,BSD500等数据集上的实验结果表明,该算法无论是在峰值信噪比和结构相似性上的定量分析,还是在主观视觉质量方面,均优于OWAN算法,充分证明了该算法的有效性.     

Ku波段基片集成波导带通滤波器的设计

设计了一款基于基片集成波导的ku波段卫星通信的带通滤波器。描述了位于SIW内部的金属通孔的等效电路模型,并分析通孔直径、位置等关键参数对滤波器性能的影响。针对基于中心位置的SIW带通滤波器带宽较窄的问题,提出偏置金属通孔SIW带通滤波器的设计方法,从而增大滤波器的带宽。并通过对改进后的基片集成波导带通滤波器的仿真,验证了设计的正确性和方法的有效性。     

景观研究的文化转向与景观人类学

"景观"起源于地表形态研究,并作为地理学基本研究视野,经历了"区域特性""人地关系""文化史"等研究主旨的转换,自20世纪70年代开始出现"文化转向"。存在主义视角下的景观的文化认知,需要以理解性方法解析其地方情感和意义维度,以获取"知觉知识"作为新的研究范式。而几乎同时,文化人类学研究领域的"空间转向"呼应了景观研究的新视野与新方法论需求。由此,在20世纪90年代诞生了景观人类学的研究领域。基于地理学景观研究主旨历史脉络梳理,进一步厘清现象学视角下"景观"的文化现象本质;并由景观"知觉认知"的研究主旨、范式需要,阐释"景观人类学"作为交叉研究领域的研究范畴,以及未来其应用于景观研究实践的潜力。     

基于HALCON的发票号字符识别研究

为了解决人工方式识别发票号效率低下、费时费力的问题,以HALCON软件为平台,对发票号进行识别,首先,对读取的图像进行图像预处理,包括把原图像转化成单通道图像、图像增强、高斯滤波、阈值分割和连通区域分割,然后对预处理后的图像进行数学形态学处理,接着把粘连的数字拆分开,最后用基于多层感知分类器(MLP)对发票号数字进行识别.通过与人工方式的方法对比,结果表明,用基于HALCON的方法,发票号数字能被快速、精确的识别出来,有效的减少了人员的工作量,提高了工作效率.     

西北地景文化空间圈层(二)：“与山川 同构”的风景营建手法

黄河中上游及丝路沿线地区大山大川自然景观及历 史发展中防御戍边的国土空间感知和认知特征,孕育并发展了 中国地景文化“形胜”观念。该区域各类人工工程营建在选 址、布局及构筑方式上,呈现出以山岳为共同视觉和精神标识 的区域集群性的营建特征,形成了“因山而成”的地景文化空 间圈层。研究基于风景观念辨析,建立从视觉-精神的知觉空 间构成到风景营建手法的分析框架,对6个地景文化空间圈层 及典型案例进行辨识,提出3点结论和思考：风景观念是在人 类长期的生活生产活动中对山川感知、表达、营建及祭祀、游 历、附文活动中不断发展形成的;地景文化空间圈层的风景营 建手法呈现出“与山川同构”的空间营构秩序;风景观念及其 营建传统转译为空间语言,是将人类在历史发展中形成的知觉 空间和营建空间联系在一起,成为今日国土景观具有社会属性 的文化内涵。     

女式衬衫领型感性评价研究

文章以7款常见的女式衬衫领型为研究对象,使用感性工学的方法,通过网络调查,获得了女性消费者对女式衬衫领型的评价。对评价结果进行均值分析、因子分析以及聚类分析,发现女性消费者对不同领型的感性印象存在差别,主要体现在领型结构设计。得出风格因子、结构因子以及个性因子是影响女式衬衫领型评价的3个主要因子。为设计符合女性消费者需求的女式衬衫提供参考。     

Overcoming data locality: An in-memory runtime file system with symmetrical data distribution

In many-task computing (MTC), applications such as scientific workflows or parameter sweeps communicate via intermediate files; application performance strongly depends on the file system in use. The state of the art uses runtime systems providing in-memory file storage that is designed for data locality: files are placed on those nodes that write or read them. With data locality, however, task distribution conflicts with data distribution, leading to application slowdown, and worse, to prohibitive storage imbalance. To overcome these limitations, we present MemFS, a fully symmetrical, in-memory runtime file system that stripes files across all compute nodes, based on a distributed hash function. Our cluster experiments with Montage and BLAST workflows, using up to 512 cores, show that MemFS has both better performance and better scalability than the state-of-the-art, locality-based file system, AMFS. Furthermore, our evaluation on a public commercial cloud validates our cluster results. On this platform MemFS shows excellent scalability up to 1024 cores and is able to saturate the 10G Ethernet bandwidth when running BLAST and Montage.     

Unpaired image to image transformation via informative coupled generative adversarial networks

We consider image transformation problems, and the objective is to translate images from a source domain to a target one. The problem is challenging since it is difficult to preserve the key properties of the source images, and to make the details of target being as distinguishable as possible. To solve this problem, we propose an informative coupled generative adversarial networks (ICoGAN). For each domain, an adversarial generator-and-discriminator network is constructed. Basically, we make an approximately-shared latent space assumption by a mutual information mechanism, which enables the algorithm to learn representations of both domains in unsupervised setting, and to transform the key properties of images from source to target.Moreover, to further enhance the performance, a weightsharing constraint between two subnetworks, and different level perceptual losses extracted from the intermediate layers of the networks are combined. With quantitative and visual results presented on the tasks of edge to photo transformation, face attribute transfer, and image inpainting, we demonstrate the ICo- GAN’s effectiveness, as compared with other state-of-the-art algorithms.