一、作者索引(2001;Volume 22)（论文文献综述）
巴多,张智瑜[1]（2022）在《清代官版藏文《大藏经》之刊刻考》文中研究表明目前,学界认为北京版《甘珠尔》完成于1700年。始刻时间则有1683年、1684年两种说法,还认为存在多个复刻版;北京版《丹珠尔》始刻于1724年,完成于1738年。然而,根据原始文献,可考定北京版《甘珠尔》始刻于1683年,完成于1692年,1700年做了修订。所谓不同的北京版《甘珠尔》复刻版,实为在原版上进行修订,并非新刻。北京版《丹珠尔》的刊刻,可考定为1721年始刻,1724年完成。无论《甘珠尔》还是《丹珠尔》,都与其他版本有着复杂的源流关系,文中通过细致的目录、文字、函号、经序等方面的对比,做了详细的梳理。对于印本的特点,也作了描摹。《甘珠尔》《丹珠尔》都是康熙皇帝钦敕雕造的,雍正、乾隆皇帝及蒙古、西藏的政教领袖也厕身其中,共同缔造了文化,见证了历史。目前,北京版藏文大藏经的印本收藏于世界上不同的地方,散发着不朽的文化魅力。
李航[2]（2021）在《传统文化在短视频传播中的应用策略研究 ——兼论潍坊木版年画短视频《匠心之画》分析》文中认为
翟欢[3]（2021）在《英国死因裁判官制度历史研究》文中研究表明
付瑶[4]（2021）在《基于交通业务特征理解的车路协同可信交互方法》文中研究指明随着我国经济社会的高速发展,快速增长的机动车保有量与当前道路容纳能力之间的矛盾日益严峻,为道路通行效率、人员生命安全、能源资源消耗等方面带来新压力。为缓解日益加重的交通矛盾,我国在交通领域优先发展车路协同相关技术。在自动驾驶与智能网联技术加持下,车路协同信息交互技术正快速发展成为能够突破智能交通系统瓶颈的关键技术。在车路协同信息交互技术中,如何保障可信的交互环境一直是重点与难点。目前大部分车路协同信息交互可信保障方法主要集中在车辆的身份认证方面,受限于车辆主体的可信任程度、复杂多变的交互场景与理想状态下的交通环境。本文以具备通信功能的车辆为研究对象,基于车路协同条件下的车路群体交互环境,设计了基于交通业务特征理解的可信交互方法。论文具体研究内容包含以下四个方面:（1）针对车路协同环境信息交互的可信保障问题,调研并研究了国内外相关学术成果,指出当前方法存在的问题。面向新一代移动通信技术加持下的车路协同信息交互系统,剖析消息框架与交互需求,设计了可信交互方法并阐述其流程。（2）分析车辆主体可信的影响因素,研究了基于行为状态评估的车辆主体可信认证方法;基于实时交通态势与车辆运行规律,设计基于偏最小二乘法的车辆行为状态推演方法;构建相邻路侧节点间车辆行为状态与路径选择干扰的可信度量化模型,设计了车辆主体可信度计算方法与信任等级评估规则。（3）考虑到交互消息内容真实性对车路协同可信交互环境的影响,提取各类交通业务消息有效特征,研究基于业务特征理解的车路群体内容认知方法;面向协同运行环境下的信标类消息,设计交通业务有效特征提取方法,构建消息紧急度量化模型,设计了低分辨率消息筛选策略;面向协同运行环境下的告警类消息,设计融合特征提取方法,设计了基于支持向量机分类的高分辨率内容认知方法。（4）面向车路协同可信交互方法仿真测试问题,论文使用SUMO搭建仿真测试环境,设计混合交通条件下开放道路和信号交叉口仿真测试场景,并对本文方法进行对比测试与分析。结果表明,相较于其它传统方法,本文所设计的可信交互方法可以有效提升车路协同交互环境的可信水平与群体交互内容认知效率,在开放道路环境与信号交叉口环境下均获得了较好的表现,相应的认知效率分别为90.91%和94.76%。此外,不同渗透率条件下,本方法能够使车辆更加平滑地与混合交通环境进行交互,在异构环境中具备较高的认知稳定性。
何康本[5]（2021）在《基于一阶符号距离场的软阴影改进算法》文中指出阴影技术作为重要的渲染技术之一,在帮助人们理解三维空间中物体的几何形状、大小、及相对位置起着至关重要的作用。由于符号距离场具有能够表达三维空间场景信息的特点被广泛应用于渲染高质量的软阴影效果。然而,现有利用符号距离场进行软阴影渲染的算法由于遮挡率估计不准确,造成半影收缩等问题。针对该问题,在充分研究一阶符号距离场特点的基础上,本文提出了一种基于一阶符号距离场的软阴影改进算法。其基本思想是,通过一阶符号距离场,将着色点受遮挡物所投影到球面光源的复杂遮挡区域近似为多个弓形区域的并集,从而能够解析判断采样的多根阴影射线是否与多弓形区域相交,并结合蒙特卡洛方法即可更为准确地估计遮挡率。在满足实时性的基础上,本文算法能够渲染出更高质量的软阴影效果。具体而言,本文工作的主要内容包括:1.提出一种复杂遮挡区域的估计方法。针对阴影射线与复杂遮挡区域相交计算十分耗时的问题,本文使用多弓形区域近似复杂遮挡区域,实现阴影射线与复杂遮挡区域的解析求交;并通过一阶符号距离场中所蕴含的一阶偏导信息快速确定多弓形区域位置及大小,使得近似误差尽可能地小。2.提出一种基于弓形区域的遮挡率计算策略。根据着色点受弓形区域遮挡的数量,选择不同的遮挡率计算方式。当近似区域为单个弓形区域时,本文通过解析计算该弓形区域面积,进而快速计算遮挡率。而当近似区域为多弓形区域时,常存在重叠的情况,难以解析求解其并集面积。针对该问题,本文提出在着色点处发射多根随机阴影射线,通过多弓形区域对其解析求交,接着利用蒙特卡洛方法累积射线的可见性,以实现遮挡率的快速准确计算。3.提出一种基于几何遮挡空间的模型剔除策略。在计算遮挡率的过程中,需要计算每个模型的遮挡区域,由于部分模型对于着色点不造成遮挡,带来无效计算的问题。针对该问题,本文通过结合面光源的几何特性,利用其和着色点所构成的几何遮挡空间,剔除与该空间并不相交的模型,提高绘制效率。实验结果表明,本文算法能够更为准确估计复杂遮挡区域;基于估计的遮挡区域,本文算法较对比算法能更为准确地计算遮挡率,避免基于符号距离场的软阴影算法因遮挡率估计不准确所造成半影收缩等问题,使得渲染的软阴影过渡效果更为自然;本文算法最终能够在满足实时性的基础上,渲染出更为真实的软阴影效果。
汪倩[6]（2021）在《融合用户画像与产品画像的混合推荐方法研究》文中研究指明社会的不断发展进步,为人们带来越来越好的生活品质的同时,消费者也给各行各业的服务模式提出了更多的要求。那么,面对诸多要求,如何更好的服务用户呢?由此提出了智能服务这一理念,不管是银行机构、政府机关还是企业商家都开始研发为用户提供智能服务的产品,以实现“个性化”的服务。而实现“个性化”一词的关键就在于了解用户以及产品这两个主体,从而才能根据用户兴趣将产品信息进行筛选后实现针对性的推荐。经典的推荐算法中常存在冷启动、评分评论数据稀疏以及相同评分所表答的情感存在偏差三个方面的问题,因此,本文为了更好的了解用户兴趣,区分产品资源,实现更有效的推荐,针对所存在的现有问题做出了以下研究:首先,为了更好的了解用户,提出了一种多属性特征用户画像模型MUP,旨在同时考虑用户的基本属性、互动属性、反馈属性、兴趣属性以及情境属性的五大属性特征。由于该画像考虑了用户的基本信息,因此,即使对于无使用数据的新用户也能构建初始的用户模型,实现用户细分。在构建模型中,使用了熵权法计算用户的互动值大小,以此量化用户的互动性;使用了情感分析算法计算了评论的文本情感值,并与评分进行综合后得到了用户的综合反馈结果;使用TF-IDF提取用户的兴趣特征并量化特征的重要程度值,以此了解用户购买产品时关注的重点所在。其次,为了更好的区分产品,提出了一种考虑评论方面情感的产品画像构建方法MMP。该模型考虑了评论的方面情感因素,利用TF-IDF和依存句法对产品评论的更加细粒度的方面及其对应的情感词进行提取计算,从而了解每个产品具体的方面特征,以及该产品的购买者对于这些方面特征真实的反馈情感值,从而更加细粒度的区分产品,以及针对这些细粒度特征进行匹配推荐。最后,为了实现更有效的推荐,本文提出了一种融合用户画像与产品画像的混合推荐方法MUP-MMP-HR。该方法先对所构建的用户画像MUP利用K-means聚类技术来获得相似用户群体SIMU,有效缩小推荐候选集中的产品数量,提高计算效率。若此处为新用户,可直接对所得到的候选集中产品,运用用户相似度计算候选集中产品的预测评分以进行top N推荐。若此处为老用户,则可进一步针对前面所得到的候选集,进行产品画像MPP的构建,从而寻找目标用户购买过的产品的相似产品,得到最终的候选集实现个性化推荐。该方法通过京东商城的数据及其他相关数据进行了实验,验证了类簇K取不同值对于推荐结果的影响是明显的,其中,针对本数据集,类簇为10时的MAE和RMSE值最小;同时还对比了基于用户的协同过滤算法UB-CF、仅考虑多属性特征的用户画像的推荐算法MUP-HR、仅使用考虑评论方面情感的产品画像的推荐算法MMP-HR以及本文所提的融合用户画像与产品画像的混合推荐算法MUP-MMP-HR,结果表明本文所提的MUP-MMP-HR推荐结果的MAE值最低,推荐产品的预测值最接近真实值。
尹叶[7]（2021）在《《临床实践中的心力衰竭》（第3-4章）汉译实践报告》文中研究表明此翻译实践报告选自《临床实践中的心力衰竭》Heart Failure in Clinical Practice（2010）的第三、四章,主编为瑞典于默奥大学公共卫生与临床医学学院和于默奥心脏中心心脏病学教授Michael Y.Henein。翻译选材共1.3万英文单词,介绍了心力衰竭中的瓣膜性心脏病与成人先天性心脏病。在当下新冠疫情的发展背景下,人体健康备受人们的关注。该选材所涉心脏疾病在众多疾病中居致死因首位,心力衰竭亦与人体健康息息相关,不可忽视。此翻译实践成果为临床医生、临床内科专业学生、医学爱好者等医学相关人士提供较为详细的心血管内科知识和疾病处理的具体方法。作者在报告中梳理了整个翻译流程,介绍了翻译过程中使用的翻译工具、平行文本和术语库;分析了原文本的特点和翻译过程中的难点。医学类文本具有很强的专业性和实用性,包含了大量的专业术语和其它一些独特的词汇特点,比如缩略语和名词化结构。而且,医学类英文文本中的句子多被动句、长难句。在翻译过程中,此类句式和定语从句的转换是翻译的重难点。此外,医学类语篇注重上下文的衔接、连贯,译文文本中该如何保持原文的语篇特点是译者需要考虑的对象。此翻译报告在纽马克的翻译理论的指导下,以交际翻译为主,尝试总结了医学类英文文本适用的翻译方法和技巧,着重从词汇、句型、语篇三个层次,通过翻译实例分析,探讨了语义翻译和交际翻译在翻译实践中的运用,对术语的翻译、被动句和定语从句的处理提出了具体的解决方法。本报告旨在和其他从事医学翻译的译者们交流学习,共同寻找应对医学翻译困难的解决方案,从而产出更高质量的译文。
张麒[8]（2021）在《基于注意力机制和匹配测度学习的立体视觉系统设计与实现》文中进行了进一步梳理双目立体匹配在计算机视觉领域中是一个基础且具有挑战性的任务,该任务在自动驾驶、稠密重建以及其他深度相关的场景中都具有广泛的应用。语义上下文信息可以为立体匹配任务提供区域性的支持,立体匹配中同一语义是指深度相似,通过聚合与当前像素点深度相似的特征信息可以增强当前特征点的可区分度,高区分度的特征可以有效地减少误匹配的几率,这对于实现在诸如遮挡、弱纹理等病态区域的精确匹配是至关重要的。同时设计合适的立体匹配测度构造代价立方体（Costvolume）以充分利用网络学习的丰富的特征信息也是一个重点研究方向。传统方法多采用一些手工制定的算法去获得语义上下文信息,这类方法通常只适用于某些特定的场景,因此具有严重的泛化局限性。卷积神经网络的出现大大地提升了学习特征表示的能力,同时涌现出了很多基于多尺度特征聚合来捕获语义上下文信息的方法,这些方法相比于传统方法具有更好的性能,但是由于固定大小和形状的卷积和池化操作仍然限制了网络进行几何转换的能力,导致获取的上下文信息不够精准和全面。在本文中,我们首先提出了一种基于可变形的自注意力双目立体匹配网络来捕获精确的全局上下文信息。自注意力模块通过自适应地聚合全局范围内的深度关联特征来获取上下文信息以增强空间维的特征表示,我们进一步对自注意力机制处理后的特征进行可变形卷积操作以提升网络处理复杂形变的能力,这有助于精细化边界区域像素的辨别性表示进而缓解边界视差模糊和耦合问题。自注意力机制模型虽然精度高但是会消耗大量的计算资源,针对这个弊端本文提出了多种自注意力机制的变种模型,在保证一定的匹配精度基础上尽可能地优化时间效率。在获取了丰富的特征信息后,需要通过计算待匹配特征点对之间的匹配代价去构造Cost volume,对Cost volume进行进一步处理可获得最终视差估计结果。传统方法中基于互相关、互信息以及Census变换等计算匹配代价的方式取得了很好的效果但是直接将这些方法迁移到神经网络难以达到理想的效果。当前基于神经网络的双目立体匹配的算法大多采用一种可学习的匹配测度来构造Cost volume,之后再通过3D卷积对其进行正则化来拟合传统方法中的代价聚合操作。本文借鉴这种思想提出了多种基于学习的匹配测度改善了当前算法的弊端。通过组合不同的可变形注意力机制模块和基于学习的匹配测度模块可以组成不同的网络架构进而满足不同的应用场景需求。在SceneFlow和KITTI测试集上的实验结果表明,本文提出的精度最高的基于可变形注意力机制的双目立体匹配网络在两个数据集上相对于基准模型都有明显的精度提升。同时该模型在精度指标上超越了近年来的相似研究方向上的多个网络架构。
陈柯宇[9]（2021）在《面向数字人应用的人脸表示与动画驱动》文中研究表明创造现实人类的数字化身,即栩栩如生的虚拟人角色,一直是计算机图形学,计算机视觉以及多媒体等学科交叉领域的热点问题。本篇学位论文主要围绕面向数字人的人脸表示与动画驱动课题,分别介绍我们在该领域取得的一些研究进展。我们的主要研究方向是从人脸出发,以刻画数字人脸的可驱动性和交互性为主要目标,研究内容包括人脸的表情与身份表示,不同角色之间的表情迁移,以及跨模态信号的人脸动画驱动等。由于人脸天生具有复杂的构造机理和强大的社交属性,因此如何刻画细腻逼真的人脸表情运动,对于实现数字人等相关应用尤为重要。为了让计算机模型能够理解人脸表情的丰富含义,我们首先借助深度学习方法搭建了一种可供网络模型学习的人脸表示框架。该学习框架既可以使用三维人脸形状,也可以使用二维图像作为输入,借助身份-表情解耦的思想,将表情部分独立出来,从而实现用连续分布来刻画人脸表情的目标。在此基础上,我们探索了使用这种基于深度学习的人脸表示来实现不同角色之间的表情迁移应用。针对各种虚拟的三维动画角色,传统的基于艺术家创作的表情迁移方法具有时间成本和技术门槛较高的问题。我们的方法利用了表情相似度判断具有人类主观性这一特点,通过构造易于标注的三元组数据,将普通用户的判断结果用于指导学习表情迁移模型,从而大大减轻了卡通动画制作的成本和难度。此外,我们还针对夸张人脸讽刺画这类目标,借助夸张人脸重建和纹理推理,通过几何优化与深度学习相结合的策略,实现了一种从正常人脸图片到夸张人脸讽刺画的表情迁移方法。以上各项工作,分别通过数值对比方法和用户调查等方式,对实验结果进行了可靠的分析和论证。相比于之前的一系列研究工作,具有方法创新性和实用性等方面的优势。我们相信,这一系列工作也将为后续相关的研究提供铺垫,最终帮助到未来的数字人相关应用。
郭玉东[10]（2021）在《三维人脸重建及其应用》文中指出近年来,随着智能移动设备的普及以及受疫情的影响,人们越来越依赖于视频聊天、视频会议等数字交流方式。另一方面,随着以深度学习为代表的人工智能技术的快速发展,人脸识别被广泛用于安防、支付等公共安全和日常生活场景中。因此,人脸作为人的数字1D对个人而言极为重要。出于隐私或娱乐的考虑,在数字交流中,人们往往需要一个虚拟数字化身来代替自己出现在屏幕上。该数字化身可以是用户本人的精确数字复制,也可以是和用户无特定关系的完全虚拟形象。无论是哪一情形,都需要对用户面部进行实时的三维重建和跟踪。本论文研究课题为提升当前数字交流方式中所需的人脸重建与跟踪技术以及基于该技术开发一些视频人脸编辑应用以提升数字交流效果,取得了以下成果:基于深度学习的实时单目三维人脸重建:近年来深度学习技术被广泛用于基于单张图片的三维人脸重建,但很少被用于基于视频输入的实时三维人脸跟踪。本文设计了一个新颖的网络架构—3DFaceNet,由单目视频数据实时重建三维人脸。本算法核心在于利用人脸逆向渲染技术合成了大规模且逼真的带有三维标签的人脸图片数据集,并利用该数据集训练3DFaceNet。基于多种数据源的三维人脸重建与表示学习:现有的三维人脸重建算法基本都依赖于参数化模型表示,这些人脸参数化模型一般由单一数据源训练得到,如高精度扫描数据和彩色图片数据。虽然扫描数据模型精度高,但是由于采集设备昂贵且步骤繁琐,所以高精度扫描数据库一般仅包含少量不同身份的人。而彩色图片虽然数据规模大,但缺少几何信息。本文将二者结合起来并采集了大规模的RGB-D数据以利用各自数据的优势来学习统一的人脸表示模型。实验表明通过利用多种数据源,本算法可以学习表达能力更强的人脸参数化模型。基于前置摄像头的实时人脸视角矫正:视线在人与人交流中具有极为重要的作用。为了在视频会议等数字交流中得到良好的体验,用户最好能够正视前置摄像头。然而,在现有视频会议系统中,对于使用移动设备或者笔记本电脑作为终端的一对一视频会议,用户倾向于去看屏幕以便观察对方的面部,由于一般摄像头放置在屏幕之外,所以用户视线经常无法直视摄像头。针对该问题,本文提出利用以上人脸重建技术,通过渲染视角矫正后的三维人脸的方式以实现实时人脸视角矫正。基于神经辐射场的语音驱动人脸视频生成:合成与语音相匹配的高清人脸视频序列是数字交流中一个重要且颇具挑战性的问题。现有的基于对抗-生成网络或神经渲染的算法大多需要借助关键点或表情系数等中间模态建立语音到视频的对应,因此可能存在信息损失。本文提出利用最近提出的神经辐射场直接学习语义到说话视频的跨模态映射。基于该模型,本算法支持任意语音输入下的说话人视频生成。并且,本算法中基于体渲染的表示模型提供了一种自然的方式来自由改变说话人的生成视角,这一特性对于虚拟视频会议等应用而言用处极大。
二、作者索引(2001;Volume 22)（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、作者索引(2001;Volume 22)（论文提纲范文）
（1）清代官版藏文《大藏经》之刊刻考（论文提纲范文）
| 一、官版藏文《大藏经》的诞生 |
| 二、清朝官版《甘珠尔》 |
| (一)蓝本 |
| (二)刊刻时间 |
| (三)修订概况 |
| (四)修订详情 |
| 1.顺序调整 |
| (1)编序调整。 |
| (2)函号调整。 |
| 2.新增函 |
| 3.字句修改 |
| 三、清朝官版《丹珠尔》 |
| (一)蓝本 |
| (二)刊刻时间 |
| (三)《目录》 |
| (四)一同刊印发行的两套文集 |
| 四、清朝官版《大藏经》的印刷特点 |
| (一)装帧豪华的朱红大版 |
| (二)彩绘画像 |
| 五、收藏情况 |
| (一)国外收藏 |
| (二)国内收藏 |
（4）基于交通业务特征理解的车路协同可信交互方法（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车路协同信息交互研究现状 |
| 1.2.2 车辆可信认证研究现状 |
| 1.2.3 交互消息认知研究现状 |
| 1.2.4 研究现状总结 |
| 1.3 论文研究内容及结构安排 |
| 2 车路协同环境下可信交互需求与方法流程 |
| 2.1 车路协同信息交互系统架构 |
| 2.2 车路协同环境可信交互需求 |
| 2.2.1 车路协同信息交互消息框架 |
| 2.2.2 车路协同可信交互消息需求 |
| 2.3 基于业务特征理解的可信交互方法流程 |
| 2.3.1 车路协同环境可信交互方式 |
| 2.3.2 可信交互方法流程描述 |
| 2.4 车路协同条件下典型异构交通环境模型 |
| 2.4.1 混合交通交互环境开放道路模型 |
| 2.4.2 混合交通交互环境信号交叉口模型 |
| 2.5 基于车路协同混合交通环境的车辆模型构建 |
| 2.5.1 开放道路环境下车辆运动学模型 |
| 2.5.2 信号交叉口环境下车辆运动学模型 |
| 2.6 本章小结 |
| 3 基于行为状态评估的车辆主体可信认证 |
| 3.1 问题描述 |
| 3.2 车辆主体可信认证方法 |
| 3.2.1 主体可信认证方法框架 |
| 3.2.2 主体可信度影响因素分析 |
| 3.3 车辆主体行为状态可信评估 |
| 3.3.1 主体行为状态推演 |
| 3.3.2 行为状态可信度计算 |
| 3.4 主体路径选择影响量化模型 |
| 3.4.1 路径扰动因子 |
| 3.4.2 基于最短路径求解最优邻近RSU |
| 3.4.3 基于实时路况求解次优邻近节点 |
| 3.5 车辆主体可信度计算与可信等级评估 |
| 3.6 车辆主体行为状态推演方法仿真分析 |
| 3.6.1 仿真参数设置 |
| 3.6.2 不同时段车辆行为状态分析 |
| 3.6.3 不同时段状态推演结果分析 |
| 3.7 本章小结 |
| 4 基于业务特征理解的车路群体交互内容认知 |
| 4.1 问题描述 |
| 4.2 车路群体交互内容认知模型框架 |
| 4.2.1 认知模型条件假设 |
| 4.2.2 车路群体内容认知模型框架 |
| 4.3 车路协同交通业务特征理解方法 |
| 4.3.1 交通业务有效特征提取 |
| 4.3.2 交互消息紧急度量化计算 |
| 4.3.3 告警类消息融合特征理解 |
| 4.4 基于融合特征理解的内容认知方法 |
| 4.4.1 低分辨率消息筛选策略 |
| 4.4.2 高分辨率交互内容认知 |
| 4.5 本章小结 |
| 5 车路协同环境下典型交互场景测试验证 |
| 5.1 车路协同环境下典型交互场景构建 |
| 5.1.1 开放道路仿真场景设计 |
| 5.1.2 信号交叉口仿真场景设计 |
| 5.2 车路协同环境下可信交互方法评估指标 |
| 5.3 开放道路环境下可信交互方法测试与分析 |
| 5.3.1 信标类消息可信交互方法仿真结果及分析 |
| 5.3.2 不同渗透率下信标消息可信交互仿真结果及分析 |
| 5.4 信号交叉口环境下可信交互方法测试与分析 |
| 5.4.1 告警类消息可信交互方法仿真结果分析 |
| 5.4.2 不同渗透率下告警消息可信交互仿真结果及分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 研究工作总结 |
| 6.2 研究前景展望 |
| 参考文献 |
| 图索引 |
| 表索引 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（5）基于一阶符号距离场的软阴影改进算法（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于几何的阴影体算法 |
| 1.2.2 基于图像的阴影贴图算法 |
| 1.2.3 基于硬件加速的光线追踪阴影算法 |
| 1.2.4 基于符号距离场的阴影算法 |
| 1.3 本文主要工作 |
| 1.4 本文组织结构 |
| 第2章 相关算法概述 |
| 2.1 符号距离场的生成 |
| 2.2 一阶符号距离场 |
| 2.2.1 泰勒级数 |
| 2.2.2 一阶符号距离场的生成 |
| 2.3 基于符号距离场的光线相交算法 |
| 2.3.1 光线步进 |
| 2.3.2 球体追踪 |
| 2.4 基于符号距离场的阴影算法 |
| 2.4.1 基于符号距离场的硬阴影 |
| 2.4.2 基于符号距离场的软阴影算法 |
| 2.4.3 软阴影改进算法 |
| 2.5 图像评估指标 |
| 2.5.1 SSIM |
| 2.6 本章小结 |
| 第3章 基于一阶符号距离场的软阴影改进算法 |
| 3.1 算法概述 |
| 3.1.1 问题分析 |
| 3.1.2 算法基本思想 |
| 3.1.3 本文算法流程 |
| 3.2 复杂遮挡区域的近似 |
| 3.2.1 复杂遮挡区域的近似表示 |
| 3.2.2 遮挡模型最近遮挡点位置的计算 |
| 3.3 基于弓形区域的遮挡率计算策略 |
| 3.3.1 单独遮挡遮挡率的计算 |
| 3.3.2 共同遮挡遮挡率的计算 |
| 3.4 基于几何遮挡空间的模型剔除策略 |
| 3.4.1 基于几何遮挡空间的模型剔除 |
| 3.5 其他算法实现细节 |
| 3.5.1 层次包围盒加速模型一阶符号距离场烘焙 |
| 3.5.2 优化遮挡率计算函数 |
| 3.6 本章小结 |
| 第4章 实验结果与分析 |
| 4.1 实验概述 |
| 4.2 实验环境 |
| 4.3 实验结果与分析 |
| 4.3.1 算法对比 |
| 4.3.2 验证本文提出遮挡率计算方法的计算准确性 |
| 4.3.3 确定合适的随机采样光线数量 |
| 4.3.4 验证基于几何遮挡空间的模型剔除策略对于本文算法效率的提升 |
| 4.4 算法局限性 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（6）融合用户画像与产品画像的混合推荐方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 第一节 研究背景及意义 |
| 一、研究背景 |
| 二、研究意义 |
| 第二节 国内外研究现状 |
| 一、用户画像研究 |
| 二、个性化推荐 |
| 第三节 研究内容与创新点 |
| 一、研究内容 |
| 二、创新点 |
| 第四节 本文组织结构 |
| 第二章 相关理论方法 |
| 第一节 用户生成内容的情感分析方法 |
| 一、基于情感词典的情感分析 |
| 二、基于机器学习的情感分析 |
| 三、基于深度学习的情感分析 |
| 第二节 用户画像相关理论 |
| 一、用户画像概念 |
| 二、用户画像的常用建模方法 |
| (一)基于统计的用户建模 |
| (二)基于向量空间模型的用户建模 |
| (三)基于主题模型的用户建模 |
| (四)基于本体的用户建模 |
| (五)基于神经网络的用户建模 |
| 第三节 个性化推荐算法 |
| 一、基于内容的推荐 |
| 二、协同过滤 |
| 三、基于关联规则的推荐 |
| 四、混合推荐 |
| 第四节 本章小结 |
| 第三章 多属性特征用户画像模型 |
| 第一节 用户画像建模 |
| 一、数据收集 |
| 二、用户标签体系设计 |
| 三、多属性用户画像模型计算 |
| (一)用户的基本属性 |
| (二)用户的互动属性 |
| (三)用户的反馈属性 |
| (四)用户的兴趣属性 |
| (五)用户的情境属性 |
| 第二节 实例分析 |
| 一、数据来源 |
| 二、结果分析 |
| 第三节 本章小结 |
| 第四章 考虑评论方面情感的产品画像 |
| 第一节 细粒度方面情感计算 |
| 一、细粒度方面抽取 |
| (一)数据预处理 |
| (二)方面词抽取 |
| 二、方面类情感计算 |
| (一)依存句法分析 |
| (二)方面词情感计算 |
| 第二节 产品画像模型构建 |
| 一、产品的用户特征 |
| 二、产品的热门程度 |
| 三、产品的反馈效果 |
| 四、产品的方面特征 |
| 五、产品的购买情境 |
| 第三节 实例分析 |
| 一、数据来源 |
| 二、结果分析 |
| 第四节 本章小结 |
| 第五章 融合用户画像与产品画像的混合推荐方法 |
| 第一节 个性化推荐算法现有问题与分析 |
| 第二节 融合用户画像与产品画像的混合推荐模型 |
| 一、基于K-means的相似用户群体识别 |
| 二、融合用户画像与产品画像的混合推荐算法 |
| 第三节 实例分析 |
| 一、数据来源 |
| 二、实验结果分析 |
| 第四节 本章小结 |
| 第六章 总结与展望 |
| 第一节 工作总结 |
| 第二节 研究展望 |
| 参考文献 |
| 致谢 |
| 在读期间科研成果 |
（7）《临床实践中的心力衰竭》（第3-4章）汉译实践报告（论文提纲范文）
| 摘要 |
| Abstract |
| Chapter 1 Introduction |
| 1.1 Origin of the Project |
| 1.2 Significance of the Project |
| 1.3 Layout of the Report |
| Chapter 2 Description of Translation Process |
| 2.1 Pre-translation |
| 2.1.1 Analysis of the Source Text |
| 2.1.2 Reference to Parallel Texts |
| 2.1.3 Glossary Making |
| 2.1.4 Teamwork |
| 2.2 While-translation |
| 2.2.1 Selected Tools in Translation |
| 2.2.2 Difficulties in Translation |
| 2.3 Post-translation |
| 2.3.1 Self Proofreading |
| 2.3.2 Proofreading by Others |
| Chapter 3 Introduction to Theoretical Basis |
| 3.1 Brief Introduction to Semantic and Communicative Translation Theory |
| 3.2 Application of the Theory in the Translation |
| Chapter 4 Case Analysis |
| 4.1 Translation at Lexical Level |
| 4.1.1 Professional Terms |
| 4.1.2 Abbreviations |
| 4.1.3 Nominalization Structures |
| 4.2 Translation at Syntactic Level |
| 4.2.1 Passive Sentences |
| 4.2.2 Attributive Clauses |
| 4.2.3 Long Difficult Sentences |
| 4.3 Translation at Textual Level |
| 4.3.1 Cohesion |
| 4.3.2 Coherence |
| Chapter 5 Conclusion |
| 5.1 Enlightenment from the Translation Project |
| 5.2 Limitations and Future Prospects |
| References |
| Appendices |
| Appendix 1 Source Text & Target Text |
| Appendix 2 Glossary |
| Glossary of Medical Terms |
| Glossary of Medical Terms with People’s Name |
| Glossary of Medical Abbreviations |
| Acknowledgements |
（8）基于注意力机制和匹配测度学习的立体视觉系统设计与实现（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 双目立体匹配研究现状综述 |
| 1.2.2 增强语义上下文信息算法综述 |
| 1.3 本文算法研究内容及系统实现目标 |
| 1.3.1 算法研究内容 |
| 1.3.2 系统设计目标 |
| 1.4 论文内容安排及组织架构 |
| 第二章 基于深度神经网络的立体匹配基础 |
| 2.1 引言 |
| 2.2 神经网络概述 |
| 2.2.1 神经网络发展历程 |
| 2.2.2 卷积神经网络 |
| 2.2.3 卷积层 |
| 2.2.4 池化层 |
| 2.2.5 上采样方法综述 |
| 2.2.6 激活函数 |
| 2.2.7 批量归一化 |
| 2.3 基于双目视差估计深度的原理 |
| 2.4 基于深度神经网络的立体匹配基本框架 |
| 2.4.1 特征提取 |
| 2.4.2 构造初始的Cost volume |
| 2.4.3 Cost volume正则化 |
| 2.4.4 视差计算 |
| 2.4.5 视差优化 |
| 2.4.6 损失函数 |
| 2.5 数据集及相关评测指标 |
| 2.5.1 SceneFlow数据集 |
| 2.5.2 KITTI数据集 |
| 2.6 本章小结 |
| 第三章 基于变形注意力机制的语义信息增强算法 |
| 3.1 引言 |
| 3.2 网络架构设计 |
| 3.3 数据预处理 |
| 3.4 一元特征提取 |
| 3.5 注意力机制增强语义信息 |
| 3.5.1 自注意力机制 |
| 3.5.2 高效注意力机制 |
| 3.5.3 基于水平或垂直方向的局部注意力机制 |
| 3.5.4 基于极线方向的局部注意力机制 |
| 3.6 可变形卷积模块 |
| 3.7 网络训练 |
| 3.8 实验结果分析 |
| 3.8.1 基于多尺度的语义上下文提取算法对比 |
| 3.8.2 消融实验 |
| 3.8.3 各注意力机制对比 |
| 3.9 本章小结 |
| 第四章 立体匹配测度学习 |
| 4.1 引言 |
| 4.2 构造可学习的Cost volume |
| 4.2.1 基于分组余弦相似度量的匹配代价计算 |
| 4.2.2 基于分组去均值化的相关性匹配代价计算 |
| 4.2.3 基于左右特征方差的匹配代价计算 |
| 4.3 3D卷积正则化 |
| 4.4 视差回归 |
| 4.5 实验结果分析 |
| 4.5.1 可学习匹配测度结果对比 |
| 4.5.2 与其他主流方法对比 |
| 4.6 本章小结 |
| 第五章 多模块融合的立体视觉系统设计 |
| 5.1 系统设计场景 |
| 5.2 需求分析 |
| 5.2.1 功能性需求 |
| 5.2.2 易用性需求 |
| 5.2.3 性能需求 |
| 5.3 系统概要设计 |
| 5.3.1 系统模块划分 |
| 5.3.2 系统整体流程 |
| 5.4 系统详细设计 |
| 5.4.1 设计工具及运行环境 |
| 5.4.2 用户需求统计及模型推荐模块 |
| 5.4.3 模型选择模块 |
| 5.4.4 结果展示比较模块 |
| 5.5 系统测试 |
| 5.5.1 功能测试 |
| 5.5.2 易用性测试 |
| 5.5.3 性能测试 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（9）面向数字人应用的人脸表示与动画驱动（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状及预备知识 |
| 1.2.1 人脸身份与表情表示 |
| 1.2.2 人脸表情迁移和动画驱动 |
| 1.3 研究内容与结构安排 |
| 第2章 人脸身份与表情表示 |
| 2.1 引言 |
| 2.2 基于深度学习的人脸表示学习框架 |
| 2.2.1 针对三维人脸形状的身份与表情解耦表示模型 |
| 2.2.2 针对二维人脸照片的去身份化人脸表情表示模型 |
| 2.3 实验结果与分析 |
| 2.3.1 三维人脸表示学习 |
| 2.3.2 人脸图片表情嵌入学习 |
| 2.4 本章小结 |
| 第3章 人脸到卡通模型的动画驱动方法 |
| 3.1 引言 |
| 3.2 基于几何深度学习的人脸动画方法 |
| 3.2.1 人脸与卡通模型的表情嵌入算法 |
| 3.2.2 基于表情相似度的表情迁移算法 |
| 3.3 实验结果与分析 |
| 3.3.1 实验细节 |
| 3.3.2 消融实验 |
| 3.3.3 对比方法 |
| 3.3.4 分析结果 |
| 3.4 本章小结 |
| 第4章 针对夸张人脸讽刺画的表情编辑方法 |
| 4.1 引言 |
| 4.2 夸张人脸讽刺画的表情建模与编辑 |
| 4.2.1 针对几何形状的表情建模 |
| 4.2.2 针对纹理贴图的表情建模 |
| 4.3 实验结果与分析 |
| 4.3.1 实验细节 |
| 4.3.2 消融实验 |
| 4.3.3 对比方法 |
| 4.3.4 更多结果 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（10）三维人脸重建及其应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究现状和预备知识 |
| 1.2.1 基于单目RGB-D和RGB数据的三维人脸重建 |
| 1.2.2 三维人脸重建技术的应用 |
| 1.3 研究内容与结构安排 |
| 第2章 基于深度学习的单目三维人脸重建 |
| 2.1 引言 |
| 2.2 深度学习单目人脸重建算法 |
| 2.2.1 人脸渲染过程 |
| 2.2.2 基于优化的人脸逆向渲染 |
| 2.2.3 单张图片CoarseNet |
| 2.2.4 跟踪CoarseNet |
| 2.2.5 重建精细几何的FineNet |
| 2.3 实验结果与讨论 |
| 2.3.1 实验设置和运行时间 |
| 2.3.2 单目视频的稠密三维人脸重建结果 |
| 2.3.3 单张图片的稠密三维人脸重建结果 |
| 2.4 本章小结 |
| 第3章 基于多种数据源的三维人脸重建与表示学习 |
| 3.1 引言 |
| 3.2 基于多种数据源的三维人脸表示算法 |
| 3.2.1 人脸表示 |
| 3.2.2 人脸渲染过程 |
| 3.2.3 基于多种数据源学习三维入脸表示的神经网络框架 |
| 3.2.4 包含三个分支的深度网络 |
| 3.3 实验结果和讨论 |
| 3.3.1 算法测试 |
| 3.3.2 和现有基于彩色-深度数据的三维人脸重建算法对比 |
| 3.3.3 和现有基于彩色图像的三维人脸重建算法对比 |
| 3.4 本章小结 |
| 第4章 基于前置摄像头的实时人脸视角矫正 |
| 4.1 引言 |
| 4.2 基于彩色相机的实时人脸视角矫正算法 |
| 4.2.1 三维人脸重建 |
| 4.2.2 视角矫正 |
| 4.2.3 背景融合 |
| 4.2.4 戴眼镜的人脸视角矫正 |
| 4.2.5 有效性判断 |
| 4.3 实验结果和讨论 |
| 4.3.1 高效性 |
| 4.3.2 鲁棒性 |
| 4.3.3 视觉效果测试 |
| 4.3.4 和现有算法的比较 |
| 4.4 本章小结 |
| 第5章 基于神经辐射场的语音驱动人脸视频生成 |
| 5.1 引言 |
| 5.2 基于神经辐射场的说话人生成算法 |
| 5.2.1 总体流程 |
| 5.2.2 说话人的神经辐射场表示 |
| 5.2.3 基于神经辐射场的体渲染 |
| 5.2.4 分离的神经辐射场表示 |
| 5.2.5 编辑说话人视频 |
| 5.2.6 训练细节 |
| 5.3 实验结果和讨论 |
| 5.3.1 实现细节 |
| 5.3.2 消融实验 |
| 5.3.3 和现有算法的比较 |
| 5.3.4 说话人视频编辑应用 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 本文工作总结 |
| 6.2 未来研究方向展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
四、作者索引(2001;Volume 22)（论文参考文献）
- [1]清代官版藏文《大藏经》之刊刻考[J]. 巴多,张智瑜. 西南民族大学学报(人文社会科学版), 2022(02)
- [2]传统文化在短视频传播中的应用策略研究 ——兼论潍坊木版年画短视频《匠心之画》分析[D]. 李航. 湖南工业大学, 2021
- [3]英国死因裁判官制度历史研究[D]. 翟欢. 华东政法大学, 2021
- [4]基于交通业务特征理解的车路协同可信交互方法[D]. 付瑶. 北京交通大学, 2021
- [5]基于一阶符号距离场的软阴影改进算法[D]. 何康本. 四川大学, 2021
- [6]融合用户画像与产品画像的混合推荐方法研究[D]. 汪倩. 安徽财经大学, 2021(10)
- [7]《临床实践中的心力衰竭》（第3-4章）汉译实践报告[D]. 尹叶. 广西师范大学, 2021(12)
- [8]基于注意力机制和匹配测度学习的立体视觉系统设计与实现[D]. 张麒. 北京邮电大学, 2021(01)
- [9]面向数字人应用的人脸表示与动画驱动[D]. 陈柯宇. 中国科学技术大学, 2021(08)
- [10]三维人脸重建及其应用[D]. 郭玉东. 中国科学技术大学, 2021(09)