La captura de movimiento humano tridimensional (3D) es un tema de investigación candente en la actualidad. La red se ha vuelto avanzada en la actualidad, la aparición del movimiento humano en 3D es indispensable en las obras multimedia, como imágenes, videos y juegos. El movimiento humano en 3D juega un papel importante en la publicación y expresión de todo tipo de medios. Cómo capturar el movimiento humano en 3D es la tecnología clave de los productos multimedia. Por lo tanto, en este artículo se propone un nuevo algoritmo llamado optimización de reducción de dimensiones incrementales y proyección de posición (IDRPPO). Este algoritmo puede ayudar a aprender muestras dispersas de movimiento humano en 3D y generar nuevas. De esta manera, puede proporcionar la técnica para crear animaciones de personajes en 3D. Aprovechando el modelo de reducción de dimensiones incremental gaussiano (GIDRM) y la optimización de la posición de proyección, el algoritmo propuesto puede aprender las muestras existentes y establecer la correspondencia relevante entre los datos de baja dimensión (LD)
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Sincronización de redes neuronales de salto semi-markovianas con retardos variables en el tiempo que ocurren aleatoriamente.
Artículo:
Algoritmo mejorado de estimación de canal basado en WD-DDA para sistemas OFDM
Artículo:
Estudio del efecto del polinomio generador en la calidad de los componentes no lineales de los cifradores de bloques
Artículo:
Genes diferencialmente expresados extraídos por el método de Análisis de Componentes Principales Robustos de Tensor (TRPCA).
Artículo:
Diseño de un sistema de recomendación personalizado para la enseñanza de la natación basado en Deep Learning