基于多级残差映射器的文本驱动人脸图像生成和编辑

尽管生成对抗网络在人脸图像生成和编辑领域取得了巨大的成功,但在其潜在编码空间中寻找可以操作人脸语义属性的方向仍然是计算机视觉的一大挑战,这一挑战的实现需要大量标记数据不断进行网络调优,而搜集、标注类似数据存在诸多难点,比如较高的技术门槛以及大量的人工成本.最近的一些工作都在试图借助预训练模型来克服标记数据短缺的问题.虽然这种做法已经被验证能够完成上述任务,但在操作的准确性和结果的真实性上都无法满足真实人脸编辑场景的需求.借助对比语言-图像预训练模型(CLIP)的图像文本联合表示能力将图像和文本内容编码在一个共享的潜在编码空间中,借助于精心设计的网络结构和损失函数,所提框架可以精准识别相关面部属性并学习一个多级残差映射网络,所提网络可根据图像和文本内容编码预测潜在编码残差,再借助图像生成预训练模型StyleGAN2完成高质量的人脸图像生成和编辑任务.大量实验也证明了所提方法在操作准确性、视觉真实性和无关属性保留方面的优异表现.     

离散元（DEM）仿真技术在料仓散料流的研究进展

散料是介于流体与固体之间的介质,不同物料表现出的性质不同,其运动机理非常复杂。利用离散元仿真技术可以对散料流颗粒运动的微观机理进行分析和了解。文章就离散元技术的发展过程及原理进行阐述。仿真模拟的准确性其根本是在于力学模型建立的准确性,介绍目前离散元法常用的几种力学模型以及利用DEM仿真技术对料仓中散料流运动机理研究的进展,包括其流动形式,速度和接触力的分布,以及散料物性参数的影响。这些研究对实际工程,例如火电行业的煤仓、灰渣仓及石灰石仓等料仓的应用有着重要的指导意义。     

基于稀疏表示的目标跟踪方法

提出了一个新的基于稀疏表示的目标跟踪方法。在粒子滤波框架下,将目标模板线性表示为所有目标候选的线性组合。当假设目标候选中存在与目标模板相似的候选时,线性表示的系数满足稀疏性约束,可以通过L1范式最小化求解。每一个目标候选在线性表示中的系数反映了该候选与目标模板的相似程度,因此可以将系数作为目标候选的权重。目标跟踪的结果为权重最大的候选。实验结果表明本文提出的算法比文献中现有的基于L1范式最小化的跟踪方法性能更稳定、计算效率更高。     

谈房屋施工管理过程出现的问题与对策

随着国内经济快速发展,房屋建筑施工行业的发展速度也在飞速提升。然而行业快速发展的同时,却也出现了一些必须面对和解决的问题。因此,查找影响房屋施工管理的各项因素,进一步分析房屋施工管理的特点,研究施工管理过程中容易出现的问题,并针对存在问题提出有效的解决方案和应对策略,方能从根本上优化整个房屋建筑施工行业的发展前景。     

基于稀疏表示的目标跟踪方法

提出了一个新的基于稀疏表示的目标跟踪方法.在粒子滤波框架下,将目标模板线性表示为所有目标候选的线性组合.当假设目标候选中存在与目标模板相似的候选时,线性表示的系数满足稀疏性约束,可以通过(L)1范式最小化求解.每一个目标候选在线性表示中的系数反映了该候选与目标模板的相似程度,因此可以将系数作为目标候选的权重.目标跟踪的结果为权重最大的候选.实验结果表明本文提出的算法比文献中现有的基于(L)1范式最小化的跟踪方法性能更稳定、计算效率更高.     

基于边缘引导的自校正皮肤检测

皮肤检测作为计算机视觉领域中的研究热点多年来被广泛研究,且仍然是一项具有挑战性的任务。尽管目前的方法在许多常规场景下取得了成功,但仍然存在预测不完整和泛化能力差等问题。针对该问题,提出了一种基于边缘引导的神经网络,并且由大量经过自校正的皮肤检测数据驱动网络训练,实现鲁棒的皮肤检测。首先,提出一种基于多任务学习的网络,对皮肤检测和边缘检测两个任务进行联合优化。进一步,提出边缘注意力模块,将预测所得的边缘检测结果通过该模块重新融合到皮肤检测支路中。最后,提出一种自校正算法,通过借助人体解析任务中的大量低质量数据以增强皮肤检测模型的泛化能力。通过自校正算法对带噪声标签的优化,逐步消除使用带噪声标签进行监督训练的副作用。实验结果表明,所提皮肤检测方法优于现有的其他方法。