-
题名基于粒子系统的流体视频合成方法的研究与实现
被引量：1
- 1
-
-
作者
陈佳豫
刘金国
彭琦
赵莹
-
机构
中国科学院长春光学精密机械与物理研究所
东北师范大学留学生教育学院
-
出处
《液晶与显示》
CAS
CSCD
北大核心
2013年第6期933-938,共6页
-
基金
国家高技术研究发展计划(863)项目(No.2008AA121803)
-
文摘
为了得到永恒、连续、更高真实感的流体视频,分析已有视频合成技术,提出了一种基于粒子系统的流体视频合成方法。该方法针对具有持续流动模式的流体,在保持其自然外观和复杂性的同时,将具有固定长度的视频样本编辑成为具有新的形态的更加真实、有生气的任意长度的无缝视频。首先,分析视频样本中粒子的运动规律,将输入序列用粒子纹理矩阵表示;其次,改变粒子纹理矩阵内容,生成新的播放序列;再次,应用已得到的新的粒子状态信息,在新的区域编辑合成新的播放序列,得到更加真实生动的流体视频;最后,利用这一算法开发了流体视频合成编辑器软件,并应用到视频样本上。实验结果表明,这种基于粒子系统的流体视频合成方法不仅合成速度快,合成的视频纹理效果更好,并且易于实现。
-
关键词
粒子系统
流体
视频样本
粒子纹理
视频合成
-
Keywords
particle system
continuous flow
sample video
particle textures
video synthesis
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名多媒体模型对抗攻防综述
被引量：1
- 2
-
-
作者
陈凯
魏志鹏
陈静静
姜育刚
-
机构
复旦大学计算机科学技术学院
上海市智能信息处理重点实验室
-
出处
《计算机科学》
CSCD
北大核心
2021年第3期27-39,共13页
-
基金
国家自然科学基金(62032006)
上海市科委项目(20511101000)。
-
文摘
近年来,随着以深度学习为代表的人工智能技术的快速发展和广泛应用,人工智能正深刻地改变着社会生活的各方面。然而,人工智能模型也容易受到来自精心构造的“对抗样本”的攻击。通过在干净的图像或视频样本上添加微小的人类难以察觉的扰动,就能够生成可以欺骗模型的样本,进而使多媒体模型在推理过程中做出错误决策,为多媒体模型的实际应用部署带来严重的安全威胁。鉴于此,针对多媒体模型的对抗样本生成与防御方法引起了国内外学术界、工业界的广泛关注,并出现了大量的研究成果。文中对多媒体模型对抗攻防领域的进展进行了深入调研,首先介绍了对抗样本生成与防御的基本原理和相关背景知识,然后从图像和视频两个角度回顾了对抗攻防技术在多媒体视觉信息领域的发展历程与最新成果,最后总结了多媒体视觉信息对抗攻防技术目前面临的挑战和有待进一步探索的方向。
-
关键词
对抗攻击
对抗防御
深度学习
图像对抗样本
视频对抗样本
-
Keywords
Adversarial attack
Adversarial defense
Deep learning
Image adversarial sample
Video adversarial sample
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
