多信息代价计算融合显著梯度的立体匹配

立体匹配是视觉导航、三维重建的信息基础.为了降低光照失真对匹配代价计算的影响,消除引导滤波平滑图像时产生的光晕,提出了一种多信息代价计算融合显著梯度的立体匹配算法.设计了融合颜色特征、梯度信息及梯度角度的匹配代价计算算法,对左右视图进行匹配代价计算;然后进行显著性处理,计算显著图的梯度信息,得到图像的局部平均梯度;遍历...     

汉字的视觉语言表现

汉字本身具有很高的审美性与观赏性,充分运用了平衡、对称、和谐等形式美法则,汉字以字形和字意的内在组合关系作为视觉信息传达的媒介来进行个性化的设计,充分体现了现代汉字强烈的视觉冲击力,使人们在获得信息的同时得到审美体验。     

基于自监督信息增强的图表示学习

针对图表示学习模型依赖具体任务进行特征保留以及节点表示的泛化性有限等问题,本文提出一种基于自监督信息增强的图表示学习模型(Self-Variational Graph Auto Encoder,Self-VGAE)。Self-VGAE首先使用图卷积编码器和节点表示内积解码器构建变分图自编码器(Variational Graph Auto Encoder,VGAE),并对原始图进行特征提取和编码;然后,使用拓扑结构和节点属性生成自监督信息,在模型训练过程中约束节点表示的生成。在多个图分析任务中,Self-VGAE的实验表现均优于当前较为先进的基线模型,表明引入自监督信息能够增强对节点特征相似性和差异性的保留能力以及对拓扑结构的保持、推断能力,并且Self-VGAE具有较强的泛化能力。     

汉字的视觉语言表现

汉字本身具有很高的审美性与观赏性,充分运用了平衡、对称、和谐等形式美法则,汉字以字形和字意的内在组合关系作为视觉信息传达的媒介来进行个性化的设计,充分体现了现代汉字强烈的视觉冲击力,使人们在获得信息的同时得到审美体验.     

信息图的归约

图在信息处理中有广泛的应用。本文引入图的自然同态概念,并据此给出对信息图进行归约和保持信息处理能力的方法。     

浅论利用公开API进行互动信息图设计

随着互联网信息爆炸式地增长,如何发掘有价值的信息、提高信息获取的效率都是困扰用户的问题。信息图作为一种将数据、信息或知识以可视化形式呈现的信息承载方式,其传达信息的效率要高于传统文字表达的形式,因此在互联网时代逐渐被越来越多的人所接受。互动信息图是传统静态信息图与互联网应用的结合,它弥补了静态信息图信息量有限、不能展示除图片文字之外的多媒体内容的不足,还融入了交互元素,让信息图这种传递信息的方式得以进一步发展。此外,动态信息图应用可以结合互联网公开API数据源,利用公开API中包含的海量数据,进行数据信息的可视化展示,让公开API数据得以更广泛地被有效利用。本文主要讨论了如何将公开API资源运用于互动信息图的构建。     

论现代设计中的简约化和抽象艺术

在信息化的现代社会中，信息的交流显得尤为重要。平面设计主要在于通过平面媒介传播有关解决社会问题的信息，推销产品和服务。以及将信息在有效的传播给目标对象，并对目标对象施加影响。如何吸引大众注意力。唤起他们的情感，使人们视觉得到享受的同时，接受所传达的信息，是平面设计的目的，也是平面设计的价值所在。为了适应这样的要求而产生的“包豪斯”学派，通过简约、抽象化的表现手法，开创了设计的新纪元。     

融合多源图信息的图神经网络会话推荐算法

现有的基于图神经网络的会话推荐算法通过将会话序列构筑为图形结构捕捉项目转换关系,能够有效提高推荐性能.然而多数图神经网络及其改进模型在建模会话时仅考虑会话序列中项目的单次转换关系,忽略了会话中包含的大量有效信息,同时缺乏对项目间隐藏关联性的分析.因此提出融合多源图信息的图神经网络会话推荐算法.将用户重复行为信息,项目内容关联信息纳入到会话图建模过程当中,有效提取项目更深层次的复杂转换关系,并通过线性转换进行聚合.此外采用外部注意力机制辅助获取会话序列项目隐藏关联信息,使得生成的会话向量在推荐过程中更加精确.在真实数据集Yoochoose和Diginetica上进行实验,实验结果表明该模型优于基准模型,特别地,相较于SR-GNN模型在MRR@20指标上提高了12.50%,能更好地预测用户的下一次点击项目.     

多维度的视觉体验——信息设计的呈现媒介及传达方式变革

在现时代,每个人都有能力去自由传递信息,以及实时获取信息,无限的信息量与人类机体有限的存储空间产生了矛盾,如何从铺天盖地的信息中迅速而准确地获取自己最需要的?如何减少庞大讯息带给人的焦虑和压力?社会和个人都在努力寻求更好的交流方式,对信息设计师来说,眼前有空前的需求与机遇来创造更有意义的世界。本文着重从信息设计呈现媒介角度入手,通过分析:信息传达如何开始、通过怎样的传输途径、如何对传达对象发生作用、以何种形式完成传达过程、媒介的改变对传输过程产生的影响等,来探索呈现媒介的改变引起的信息设计传达方式的变革,认识到更多信息传输存在的可能性,从而创作出符合时代需求的作品。     

信息可视化系统中的视觉元素设计分析

视觉元素的设计作为信息可视化设计中一部分至关重要的内容,能够对设计的质量产生直接的影响,鉴于此,该文就针对信息可视化系统中的视觉元素的设计问题进行了简要的探索与分析。文章首先简要阐述了信息可视化的概念及内涵,然后又在此基础之上,从形态造型、色彩以及动态三个方面入手探讨了信息可视化系统中视觉元素设计的具体方式,并提出了开展信息可视化系统中视觉元素设计工作时应注意的几点问题,希望对信息可视化系统中,视觉元素设计活动的开展能够有所启发。     

基于科学传播的视觉设计表达

关于改进科学传播视觉方面的指导,采用跨学科研究方法,用传播学和设计艺术学的交叉视角,梳理视觉设计语言对信息传播的有效作用,以及数据可视化的高度集中方面的说明。通过对板式布局、图像、字体、色彩等视觉设计的基本原则进行阐述,通过实例分析说明视觉元素对有效沟通的重要性。帮助用户更好地了解视觉设计的专业术语和概念,并进一步探索资源。打破学科专业界限,提升设计师学科协同合作的能力。     

强化大学生信息素养的思维导图教学模式研究

简述了思维导图的理论,分析了信息素养教育所面临的问题,从准备阶段、实施阶段、反馈阶段介绍了基于思维导图的信息素养教育新模式.     

互联网媒介下视觉信息的危机与治理

互联网媒介的发展,为我们带来海量视觉信息的同时也带了诸多危机,本文从互联网媒介的优势特点分析出发,阐明了媒介平台下视觉信息的特点,探讨了海量视觉信息背后的危机以及治理的策略,实现遏制垃圾视觉信息传播的目的,构建良好的互联网视觉文化生态,为日常网络生活创造出美好和谐的视觉文化氛围。     

图像·图形·文字——从视觉传达设计角度的内涵思考

图像、图形、文字作为现代视觉信息传达的不同符号,都具有表达意义的语言功能,在现代设计中有着重要的地位。但视觉传达强调信息的视觉表达能力,对符号学三类要素的划分和理解则显得过于生硬,从视觉设计角度对图像、图形、文字符号进行比较,分析和把握三类符号间的联系与区别,以期为视觉传达设计中如何更好地利用各类符号进行传播和交流进行有益思考。     

基于视觉显著特征的人脸图像分割与跟踪方法的研究

将人脑视觉注意机制应用于人脸图像分割与跟踪中,提出了一种基于视觉显著特征的人脸目标分割与跟踪算法.该方法由三步完成：首先通过模拟人脑视觉注意机制迅速而准确地利用颜色、结构、梯度和位置等信息建立人脸显著特征图.其次,基于建立的视觉显著特征图,对人脸图像视觉显著特征进行学习和聚类,最终能够快速而准确地确认和分割出图像中的人脸区域.该方法突破了传统的逐点搜索的限制,通过一个几何模型和眼图模型对图像中的人脸区域进行搜索,大大提高了人脸候选区域搜索标记的效率,减少了后续处理工作.最后,通过分割出的人脸区域得到一个有效的边界特征图,并融合人脸显著特征图对人脸进行跟踪.实验结果表明本论文所提出的基于视觉显著特征的人脸图像分割与跟踪方法能够较有效地分割出人脸.     

改进星形图和超维树在健康信息系统中的应用

信息可视化主要应用于没有几何属性的抽象信息,揭示信息之间的关系和信息中隐藏的特征.介绍了几种典型的多维数据的信息可视化和交互方法,提出了用星形图技术和超维树技术对人体健康多维数据进行可视化的设计方法,给出了可视化结果.研究成果可以应用到环境,医学,体育和游戏等多个领域.     

无偏差场景图生成方法综述

场景图是自然图像的一种结构化描述,有助于提高下游图像理解任务的性能和准确度.场景图的研究是当前计算机视觉和深度学习的重要内容,场景图生成是研究工作的重点和难点.由于数据集的长尾效应导致生成的对象关系准确性存在偏差,严重地限制了场景图的生成质量,所以无偏差场景图得以重视.在介绍视觉关系、场景图和长尾效应三个概念的基础之上,根据无偏差场景图生成流程,将现有的无偏差场景图生成分为数据平衡、无偏差训练、关系推理三种方法.对这三类方法中常见算法的优点和特点进行了总结与分析,对比了算法之间的性能.最后指出,融入外部知识、区分谓词粒度、提高小样本识别能力和构建更加平衡的数据集,是无偏差场景图生成未来研究重点.     

基于图卷积和全局对齐策略的图分类网络

受限于图数据拓扑结构的不规则性,以及图结点的无序性和规模多变性,现有图分类网络往往对结点嵌入向量采取简单聚合或排序等方式来构建图级别的表示向量,这会导致特征过度压缩以及特征平移等问题.针对这些问题,提出基于全局对齐策略的图卷积网络,通过构建子图特征近似分布将图表示特征向量做全局对齐,在避免过度压缩和特征平移、有效提高下游分类网络对于特征信息挖掘效率的同时,又利用子图特征的分布信息,进一步学习图数据之间内在的结构相似性,从而提升整体网络对于图分类任务的推理能力.在多个图分类数据集上的实验结果表明,采用全局对齐的图卷积网络相较于其他网络模型有2％～6％左右分类精度的稳定提升,消融实验和超参数敏感性分析实验也进一步证实了全局对齐策略的有效性和鲁棒性.     

信息内外光网边界状态攻防图生成技术

当前信息内外光网边界状态攻防图生成技术在实现过程中形成的状态数量巨大,导致状态爆炸,无法适应大规模光网,防御性能低下。为此,提出一种新的信息内外光网边界状态攻防图生成技术,对信息内外光网边界状态攻防图进行描述。定义Host元组与Connection元组对信息内外光网边界进行描述,依据安全状态约简理论提出一种建模方法,以降低信息内外光网边界状态攻防图生成的复杂度,减少状态攻防图的规模,介绍了状态约简原理。依据状态变迁关系生成一个完整的状态攻防图,给出信息内外光网边界状态攻防图生成过程。实验结果表明,采用所提方法生成的状态攻防图具有很高的防御能力。     

多状态图神经网络文本分类算法

为了提高模型在文本分类任务中的分类性能,针对图神经网络中存在的过度平滑问题,同时增强模型在处理文本特征与文本表示方面的能力,提出了一种基于多状态图神经网络的文本分类算法(multi-state graph neural network, MSGNN)。多状态图神经网络是利用网络层的多个历史状态信息对图神经网络进行强化,构建合理的文本图结构数据作为模型输入。在缓解网络层过度平滑问题的同时,结合2种改进后的不同类型的图神经网络来增强模型的特征提取与特征聚合能力。利用多头自注意力机制对文本关键词的挖掘与利用能力,从多个文本子空间来生成高质量的文本表示,进而完成文本分类。通过在几个公开的文本分类数据集上进行实验分析,相较于其他神经网络的文本分类算法,该方法取得了较好的分类准确率。