期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
融合生成模型和判别模型的双层RBM运动捕获数据语义识别算法 被引量:2
1
作者 周兵 彭淑娟 柳欣 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2017年第4期689-698,共10页
对人体运动捕获数据底层特征和高层语义之间常常存在语义鸿沟的问题,结合深度学习思想,提出一种融合受限玻尔兹曼机生成模型和判别模型的运动捕获数据语义识别算法.该算法采用双层受限玻尔兹曼机,分别对运动捕获数据进行判别性特征提取... 对人体运动捕获数据底层特征和高层语义之间常常存在语义鸿沟的问题,结合深度学习思想,提出一种融合受限玻尔兹曼机生成模型和判别模型的运动捕获数据语义识别算法.该算法采用双层受限玻尔兹曼机,分别对运动捕获数据进行判别性特征提取(特征提取层)和风格识别(语义判别层),首先考虑到自回归模型对时序信息具有出色的表达能力,构建一种基于单通道三元因子交互的条件限制玻尔兹曼机生成模型,用于提取运动捕捉数据的时空特征信息;然后将提取出的特征与对应的风格标签相耦合,作为语义判别层中受限玻尔兹曼机判别模型的当前帧数据层输入,进行单帧风格识别的训练;最后在获得各帧参数的基础上,在模型顶部加入投票空间实现对运动捕捉序列的风格语义的有效识别.实验结果表明,文中算法具有良好的鲁棒性和可扩展性,能够满足多样化运动序列识别的需求,便于数据的有效重用. 展开更多
关键词 动作捕捉 时空特征 深度学习 受限玻尔兹曼机 判别模型
在线阅读 下载PDF
人体运动生成中的深度学习模型综述 被引量:7
2
作者 彭淑娟 周兵 +1 位作者 柳欣 钟必能 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2018年第6期1166-1176,共11页
人体运动捕捉中复杂的时空结构信息使其在数据驱动角色动画、序列拼接和风格融合等运动生成研究领域极具挑战性.聚焦于深度学习在计算机图形学中所获得的巨大成功,首先从模型结构和理论优化2个方面对运动捕捉数据中人体骨骼动画生成所... 人体运动捕捉中复杂的时空结构信息使其在数据驱动角色动画、序列拼接和风格融合等运动生成研究领域极具挑战性.聚焦于深度学习在计算机图形学中所获得的巨大成功,首先从模型结构和理论优化2个方面对运动捕捉数据中人体骨骼动画生成所使用的4类生成式深度学习模型(受限玻尔兹曼机、循环神经网络、卷积神经网络、深度强化学习)及其混合学习方法进行全面概括和总结;接着探讨这些典型深度学习模型对人体骨骼运动数据时空特征提取的能力,并量化对比其在不同生成任务中的实验效果;最后深入分析各种深度模型的优势及亟待解决的难题,并对新型深度学习模型在运动生成中的发展趋势进行了展望. 展开更多
关键词 运动生成 深度学习 时空特征 角色动画
在线阅读 下载PDF
多生物特征融合发展现状及其展望 被引量:2
3
作者 柳欣 耿佳佳 +1 位作者 钟必能 杜吉祥 《小型微型计算机系统》 CSCD 北大核心 2017年第8期1792-1799,共8页
多生物特征融合技术利用多个可鉴别的身份信息,在一定程度上能弥补单一生物特征识别的不足,从而可以有效达到降低误识率和实现高精度鉴别系统的要求.多生物特征融合为信息化社会日益增长的保密和安全需求提供了较好的解决方案,其相关理... 多生物特征融合技术利用多个可鉴别的身份信息,在一定程度上能弥补单一生物特征识别的不足,从而可以有效达到降低误识率和实现高精度鉴别系统的要求.多生物特征融合为信息化社会日益增长的保密和安全需求提供了较好的解决方案,其相关理论与方法已成为智能信息处理的一个重要研究课题.本文围绕多生物特征识别技术,选择传感器为切入点,特征结构为分支,分别从同源同构、同源异构、异源同构、异源异构四个方面介绍多生物特征融合的典型方法及其研究现状,并在此基础上介绍了深度学习在多生物特征融合中的最新应用现状,并对其发展趋势作了一定展望. 展开更多
关键词 多生物特征融合 同构 异构 深度学习
在线阅读 下载PDF
结合深度自编码和时空特征约束的运动风格转移方法
4
作者 胡东 彭淑娟 +1 位作者 柳欣 杜吉祥 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2018年第5期946-956,共11页
运动风格化处理综合运用了运动编辑技术,可以较好地满足不同动画师对运动风格处理的要求.针对运动数据驱动方式的风格化处理存在未考虑运动时序性而导致姿态不协调和运动不自然等问题,提出一种结合深度自编码和时空特征约束的自动风格... 运动风格化处理综合运用了运动编辑技术,可以较好地满足不同动画师对运动风格处理的要求.针对运动数据驱动方式的风格化处理存在未考虑运动时序性而导致姿态不协调和运动不自然等问题,提出一种结合深度自编码和时空特征约束的自动风格转移模型.首先根据用户对风格转移的要求把运动分解为行为运动和风格运动;其次通过在深度自编码网络模型中增加历史运动序列关联信息建立风格特征提取模型,分别对行为运动和风格运动的时空特征进行提取;最后使用格拉姆矩阵对提取的特征建立运动风格转移约束,自动实现把一个运动的风格特征转移到另一个运动的行为内容上.实验结果表明,文中方法能够实现多种不同种类运动风格转移,并且转移后生成的运动序列风格自然和真实;此外,相关实验证实了文中提出的模型具有较强的泛化能力和自适应性. 展开更多
关键词 深度自编码 运动风格转移 时空特征约束 格拉姆矩阵
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部