XiaoMi-AI文件搜索系统
World File Search SystemGraphics
用于计算机图形和CAD的生成建模
用于形状合成和分析的间隔方法121 5.1为什么要间隔分析？122 5.2包含函数123 5.2.1术语和定义123 5.2.2算术操作的包含函数126 5.2.3自然间隔扩展127 5.2.4关系和逻辑运算符的包含函数130 5.2.5平均值和泰勒表格和泰勒表格131 5.2.6集成运算符的包含功能。。。133 5.2.7 Inclusion Functions Based on Monotonicity 136 5.3 Constraint Solution Algorithm 138 5.3.1 The Problem of Indeterminacy 139 5.3.2 Subdivision Methods 141 5.3.3 Solution Aggregation 142 5.3.4 Termination and Acceptance Criteria for Constraint Solution 142 5.3.4.1 The Constrained Partitioning Problem 146 5.3.5 Interval Newton Methods 147 5.3.5.1 Implementing Interval Newton with矩阵迭代149 5.3.5.2实施线性优化的间隔牛顿151 5.3.6解决方案的存在156 5.3.7约束评估增强157 5.4约束最小化算法158 5.4.1终止和验收标准受约束最小化160 5.4.2单位智能测试161 161 161
计算机和图形-SBILAB -IIIT -DELHI
研究人员采用了Hyperscanning，该技术用于在现实世界中同时记录多个参与者的神经活动。据我们所知，没有研究在虚拟现实（VR）中使用Hyperscaning。 这项研究的目的是；首先，要复制现有文献中脑之间同步的结果，以实现现实世界的任务，其次，探索脑间同步是否可以在虚拟环境（VE）中引起。 本文在两种不同的设置（现实世界和VR）中报告了三个飞行员研究。 配对的参与者进行了两次会议，该会议是通过纤维跟踪练习隔开的，在此练习中，他们的神经活动也通过脑电图（EEG）硬件同时记录。 通过使用相位锁定值（PLV）分析，发现VR诱导相似的脑间同步，如现实世界中所见。 此外，观察到的纤维点练习在现实世界和VR中都具有相同的神经激活区域。 基于这些结果，我们推断VR可用于增强在VE中执行的协作任务中的脑间合成。 特别是，我们已经能够证明VR中的视觉视角改变能够引起脑间同步。 这表明VR可能是一个令人兴奋的平台，可以进一步探索脑间同步的现象，并更深入地了解人类交流的神经科学。据我们所知，没有研究在虚拟现实（VR）中使用Hyperscaning。这项研究的目的是；首先，要复制现有文献中脑之间同步的结果，以实现现实世界的任务，其次，探索脑间同步是否可以在虚拟环境（VE）中引起。本文在两种不同的设置（现实世界和VR）中报告了三个飞行员研究。配对的参与者进行了两次会议，该会议是通过纤维跟踪练习隔开的，在此练习中，他们的神经活动也通过脑电图（EEG）硬件同时记录。通过使用相位锁定值（PLV）分析，发现VR诱导相似的脑间同步，如现实世界中所见。此外，观察到的纤维点练习在现实世界和VR中都具有相同的神经激活区域。基于这些结果，我们推断VR可用于增强在VE中执行的协作任务中的脑间合成。，我们已经能够证明VR中的视觉视角改变能够引起脑间同步。这表明VR可能是一个令人兴奋的平台，可以进一步探索脑间同步的现象，并更深入地了解人类交流的神经科学。
文凭论文- 计算机图形学|维也纳工业大学
控制人形和类动物机器人仍然是一个重大挑战。机器学习方法已经在模拟中表现良好。但模拟与现实之间的差异有时使得很难在真实机器人上获得同样好的结果。此外，学习算法需要大量的训练数据。这项工作的目的是构建一个沙箱，使模拟机器人和真实机器人能够进行比较，并支持受控和连续收集模拟和真实数据。沙箱由动作捕捉组件和模拟组件组成。动作捕捉组件负责数据收集。为此，使用了带有六个高精度红外摄像机的 OptiTrack 系统。仿真组件使用Simulink和Simscape Multibody Library实现，负责仿真数据与真实数据的探索和比较。这项工作使用了 ROBOTIS 的四足机器人，由 15 个 Dynamixel 伺服电机控制。为了将机器人集成到沙箱中，必须对其控制器进行重新编程。这简化了向机器人传输运动数据的过程，并使得远程控制机器人成为可能。然后为机器人提供反光标记及其运动
Alpaca：用于 Web 应用程序的 AR 图形扩展
在本文中，我们提出了一个框架来简化为 Web 应用程序创建增强现实 (AR) 扩展的过程，而无需修改原始 Web 应用程序。我们在一个名为 Alpaca 的开源包中实现了该框架。使用 Alpaca 开发的 AR 扩展作为 Web 浏览器扩展出现，并自动将 Web 的文档对象模型 (DOM) 与 AR 的 SceneGraph 模型桥接起来。为了将 Web 应用程序转换为多设备、混合空间的 Web 应用程序，我们设计了一个限制性和最小化的跨设备事件处理界面。我们使用三个示例演示了我们开发混合空间应用程序的方法。这些应用程序分别用于探索 Google 图书、探索美国国家公园管理局托管的生物多样性分布以及探索 YouTube 的推荐引擎。前两个案例展示了第三方开发人员如何在不对原始 Web 应用程序进行任何修改的情况下创建 AR 扩展。最后一个案例是开发人员从头开始创建 Web 应用程序时如何创建 AR 扩展的示例。 Alpaca 适用于 iPhone X、Google Pixel 和 Microsoft HoloLens。
在图形处理单元上检测大型生物网络中有影响力节点的高效并行算法
在生物网络中，某些节点比其他节点更有影响力。最具影响力的节点是那些其消除会导致网络崩溃的节点，而检测这些节点在许多情况下至关重要。然而，当生物网络规模很大时，这是一项艰巨的任务。在本文中，我们设计并实现了一种高效的并行算法，利用图形处理单元 (GPU) 检测大型生物网络中的有影响力节点。所提出的并行算法背后的基本概念是重新设计几个计算量巨大的检测有影响力节点的程序，并将其转化为相当高效的 GPU 加速原语，如并行排序、扫描和缩减。四个局部指标，包括度中心性 (DC)、伴随行为 (CB)、聚类系数 (CC) 和 H 指数，用于衡量节点影响力。为了评估所提出的并行算法的效率，在实验中采用了五个大型真实生物网络。实验结果表明：(1) 与相应的串行算法相比，所提出的并行算法可以实现大约 48 ∼ 94 的加速比； (2) 与在多核 CPU 上开发的基线并行算法相比，所提出的并行算法对于 DC 和 H-Index 的加速比为 5 ∼ 9，而对于 CB 和 CC 的加速比由于度分布不均匀而略慢；(3) 当使用 DC 和 H-Index 时，所提出的并行算法能够在不到 3 秒的时间内检测出由 1.5 亿条边组成的大型生物网络中的影响节点。© 2019 Elsevier BV 保留所有权利。
计算机图形学的几何表示
体积图形是计算机图形学的一个新兴子领域，涉及体积建模对象的合成、操作和渲染，这些对象存储为体素的体积缓冲区。与主要关注采样和计算数据集的体积可视化不同，体积图形主要关注建模的几何场景，尤其是那些在常规体积缓冲区中表示的场景。体积图形比表面图形具有优势，因为它独立于视点，对场景和对象的复杂性不敏感，并且适合表示采样和模拟数据集及其与几何对象的混合。它支持内部结构的可视化，并有助于实现块操作、CSG 建模和分层多分辨率表示。与体积缓冲区表示相关的问题，例如离散性、内存大小、处理时间和几何表示丢失，与光栅图形作为矢量图形的替代技术出现时遇到的问题如出一辙，可以通过类似的方式缓解。
计算机图形学的几何表示
体积图形是计算机图形学的一个新兴子领域，涉及体积建模对象的合成、操作和渲染，这些对象存储为体素的体积缓冲区。与主要关注采样和计算数据集的体积可视化不同，体积图形主要关注建模的几何场景，尤其是那些在常规体积缓冲区中表示的场景。体积图形比表面图形具有优势，因为它独立于视点，对场景和对象的复杂性不敏感，并且适合表示采样和模拟数据集及其与几何对象的混合。它支持内部结构的可视化，并有助于实现块操作、CSG 建模和分层多分辨率表示。与体积缓冲区表示相关的问题，例如离散性、内存大小、处理时间和几何表示丢失，与光栅图形作为矢量图形的替代技术出现时遇到的问题如出一辙，可以通过类似的方式缓解。
AC 150/5360-12F，机场标志和图形，2013 年 9 月 26 日
图 5-4。当前航空符号标准 ...................................................................................................................... 92 图 5-5。说明清晰字体所需方面的示例 ...................................................................................... 97 图 5-6。说明清晰字体的首选特征的示例 ............................................................................. 98 图 5-7。字体 ............................................................................................................................................. 98 图 5-8。字母间距示例（又称字距调整） ............................................................................................. 99 图 5-9。单词间距示例 ............................................................................................................................. 99 图 5-10。行距示例 ............................................................................................................................. 100 图 5-11。箭头、符号和信息之间关系的间距示例 ...................................................................................... 100 图 5-12。带有多个信息、符号和箭头的标志网格内的关系间距 ...................................................................................... 101 图 5-13。蒙特利尔世博会箭头样式 ............................................................................................................. 102 图 5-14。典型标志位置条件下的一些箭头应用实践 ...................................................................................... 103 图 5-15。垂直循环箭头 ............................................................................................................................. 104 图 5-16。有角度的箭头的潜在陷阱 ............................................................................................................. 105 图 5-17。消除有角度的箭头 ............................................................................................................................. 106 图 5-18。彩色标志的面积百分比必须超过白色标志才能同样显眼