视觉文本

摘要： 《佚名照》是20世纪下半叶中国人日常生活的视觉文本,“在某种程度上是对‘摄影即杰作’这一偏向的纠正,用以突显摄影本身所固有的日常性与大众性”有六年的时间,晋永权每周都会到北京潘家园旧货市场的一个小店淘老照片。常常是窝在角落一待五六个小时,将一麻袋一麻袋落满灰尘的黑白影像逐一拣选。

摘要： 2019年劳特里奇出版社出版的由以色列学者韦斯布罗德(Rachel Weissbrod)与科恩(Ayelet Kohn)合著的《翻译视觉文本:多模态视角》(Translating the Visual:AMultimodalPerspective,以下简称《翻译视觉文本》),汇集了多模态视角下视觉文本的符际翻译研究最新成果,体现了两位作者在学科交叉与互补方面的研究旨趣。

摘要： 视觉传播语境下,文本以及修辞的全新转向,正将城市形象的建构与传播指向新的传播进路.置身全球化时代日趋激烈的竞争中,城市形象的经济功能、社会功能和人文功能不断增强,成为城际差异化竞争的重要资本.城市形象的传播也伴随着大众媒体的空前繁荣和网络媒体的兴起,在媒介形态的交互重构中,不断构建新的感知维度.技术赋能下,影像的生产、存储、传播在实践层面得到了极大丰富,视觉元素一跃成为传播的关键要素,彻底改变了内容生产模式与传播模式."视觉传播"语境下的多元化、数字化、场景化的图文影像日渐成为城市形象传播中创造、表征、传递意义的重要手段,在受众的互动参与下,形成了信息的重组与扩展,全面重塑了人们对于城市的形象认知和空间想象.经由视觉传播,城市形象传播步入了全新的叙事维度,呈现出与传统媒体时代截然不同的传播转向,从文本形态、受众模式、认知体系等方面加速了传播范式的转移.5G时代传播生态被进一步颠覆,高速率、低时延、广覆盖的网络技术的推进,不仅使影像传播进入高清超高清的视域,更带来长短视频、慢直播、云直播的快速崛起,推动UGC、OGC、MGC、PUGC、PUGV维度的内容模式,彻底打破了内容生产的底层逻辑,依靠移动设备、定位系统、社交媒体、大数据和传感器,触发了更多的数据入口,以及互动影视、VR/AR/MR/XR、360度全景等互动沉浸的传播场景.城市空间和经济文化的重组更新,使城市景观、建筑、美食、文化、产业等符号体系,承载了越来越丰富的视觉内涵.在全新的"观看"中,基于直观感知与主观创造的视觉对话被大量运用到形象建构中,现实空间与虚拟空间、网上社群与线下圈层的界限被彻底打破、重构,视觉语言超越了技术性的"在场"功能,在跨媒介交互中形成了协作性结构,在人与人、人与物、人与社会环境之间实现了融合链接,为视觉传播以及视觉传播在城市形象传播中的实践创建了崭新的尺度.

摘要： 视觉传播语境下,文本以及修辞的全新转向,正将城市形象的建构与传播指向新的传播进路。置身全球化时代日趋激烈的竞争中,城市形象的经济功能、社会功能和人文功能不断增强,成为城际差异化竞争的重要资本。城市形象的传播也伴随着大众媒体的空前繁荣和网络媒体的兴起,在媒介形态的交互重构中,不断构建新的感知维度。技术赋能下,影像的生产、存储、传播在实践层面得到了极大丰富,视觉元素一跃成为传播的关键要素,彻底改变了内容生产模式与传播模式。“视觉传播”语境下的多元化、数字化、场景化的图文影像日渐成为城市形象传播中创造、表征、传递意义的重要手段,在受众的互动参与下,形成了信息的重组与扩展,全面重塑了人们对于城市的形象认知和空间想象。经由视觉传播,城市形象传播步入了全新的叙事维度,呈现出与传统媒体时代截然不同的传播转向,从文本形态、受众模式、认知体系等方面加速了传播范式的转移。5G时代传播生态被进一步颠覆,高速率、低时延、广覆盖的网络技术的推进,不仅使影像传播进入高清超高清的视域,更带来长短视频、慢直播、云直播的快速崛起,推动UGC、OGC、MGC、PUGC、PUGV维度的内容模式,彻底打破了内容生产的底层逻辑,依靠移动设备、定位系统、社交媒体、大数据和传感器,触发了更多的数据入口,以及互动影视、VR/AR/MR/XR、360度全景等互动沉浸的传播场景。城市空间和经济文化的重组更新,使城市景观、建筑、美食、文化、产业等符号体系,承载了越来越丰富的视觉内涵。在全新的“观看”中,基于直观感知与主观创造的视觉对话被大量运用到形象建构中,现实空间与虚拟空间、网上社群与线下圈层的界限被彻底打破、重构,视觉语言超越了技术性的“在场”功能,在跨媒介交互中形成了协作性结构,在人与人、人与物、人与社会环境之间实现了融合链接,为视觉传播以及视觉传播在城市形象传播中的实践创建了崭新的尺度。

摘要： 点评翁志承是一个善于思考并有探索精神的画家,他能敏锐地感应时代的文化征候,更重要的是,他作为当代画家善于用形式符号经营画面,构成象征性图式和隐喻性情景,寄寓对当代人的生存境遇和文化命运的理性反思。他的作品,可以看作符码化生存时代的图像叙事,也可以作为一种分析当下生命存在和文化生态的视觉文本。

摘要： 随着互联网科技与教育的融合进一步加深,英语教学中视觉文本的使用频率明显上升.从符号学视角对视觉文本的表意作用进行理论回顾及剖析,发现互联网环境下视觉文本的具象化表意作用有助于学习者弥补在二语习得过程中一级感性知识的缺漏,视觉文本的多模态化表意过程使学习者的认知偏差容易得到及时纠正,呈现视觉文本的互联网媒介本身具有表意效能.在互联网环境下,视觉文本是英语教学中不可或缺的表意文本.

摘要： 数字媒介时代的到来加速了当代文化的"图像转向"与"视觉转向"。尼古拉斯·米尔佐夫(Nicholas Mirzoeff)在《视觉文化导论》绪论中写的第一句话就挑明了我们所处的时代境遇:"现代生活发生在屏幕上。"关于视觉文化的基本属性,他写道:"不同的视觉媒体一直是被分开来研究的,而如今则需要把视觉的后现代全球化当做日常生活来加以阐释。包括艺术史、电影、媒体研究和社会学在内的不同学科的批评家们已经开始把这个正在浮现的领域称为视觉文化。"

摘要： 视觉传播语境下,文本以及修辞的全新转向,正将城市形象的建构与传播指向新的传播进路.置身全球化时代日趋激烈的竞争中,城市形象的经济功能、社会功能和人文功能不断增强,成为城际差异化竞争的重要资本.城市形象的传播也伴随着大众媒体的空前繁荣和网络媒体的兴起,在媒介形态的交互重构中,不断构建新的感知维度.技术赋能下,影像的生产、存储、传播在实践层面得到了极大丰富,视觉元素一跃成为传播的关键要素,彻底改变了内容生产模式与传播模式."视觉传播"语境下的多元化、数字化、场景化的图文影像日渐成为城市形象传播中创造、表征、传递意义的重要手段,在受众的互动参与下,形成了信息的重组与扩展,全面重塑了人们对于城市的形象认知和空间想象.经由视觉传播,城市形象传播步入了全新的叙事维度,呈现出与传统媒体时代截然不同的传播转向,从文本形态、受众模式、认知体系等方面加速了传播范式的转移.5G时代传播生态被进一步颠覆,高速率、低时延、广覆盖的网络技术的推进,不仅使影像传播进入高清超高清的视域,更带来长短视频、慢直播、云直播的快速崛起,推动UGC、OGC、MGC、PUGC、PUGV维度的内容模式,彻底打破了内容生产的底层逻辑,依靠移动设备、定位系统、社交媒体、大数据和传感器,触发了更多的数据入口,以及互动影视、VR/AR/MR/XR、360度全景等互动沉浸的传播场景.城市空间和经济文化的重组更新,使城市景观、建筑、美食、文化、产业等符号体系,承载了越来越丰富的视觉内涵.在全新的"观看"中,基于直观感知与主观创造的视觉对话被大量运用到形象建构中,现实空间与虚拟空间、网上社群与线下圈层的界限被彻底打破、重构,视觉语言超越了技术性的"在场"功能,在跨媒介交互中形成了协作性结构,在人与人、人与物、人与社会环境之间实现了融合链接,为视觉传播以及视觉传播在城市形象传播中的实践创建了崭新的尺度.

摘要： 艺术的基本精神是要具有某种颠覆性，艺术的基本规律是在否定与被否定中获得发展。而“解构”不过是否定的一种说辞而已。故本文的“解构”并非西方的解构主义，但有解构主义的艺术精神，即反对权威，反对二元论的狭隘思维，认为既然差异无处不在，就应该以多元的开放心态去接纳。正是基于这种艺术精神，当代摄影的视觉文本呈现言说方式的变换，语言介质的革新，摄影语言的实验，艺术观念的解构，价值选择的转向的特征。一个新的事物的产生，总意味着对旧的东西的否定。虽然当代摄影对于传统的否定，渗透着否定者与被否定者双向的痛苦挣扎、蜕变迷茫，同时，蜕变也应然地存在着实验的不确定性与不成熟感，比如，由于在现代与后现代语境上的艺术准备缺陷，并存在着对西方当代摄影艺术的模仿而显得原创性不足等等，但是，毕竟孕育出了新生的力量，并因此推进中国当代摄影艺术的与时俱进。

摘要： 本发明公开了一种基于图像视觉到文本转换的视觉问答问题解决方法。本发明一种基于图像视觉到文本转换的视觉问答问题解决方法，包括：步骤1)获取一副图像，提取CNN特征；步骤2)构建和学习图像密集字幕深度网络；步骤3)构建属性网络；步骤4)执行深度游走，对每一个获取的图像标题提取知识库增强特征；步骤5)对所有的知识库增强特征执行平均池化，获取单幅图像的知识库增强特征；步骤6)执行问题为导向的Doc2Vec特征提取；步骤7)融合知识库增强特征、Doc2Vec特征和视觉特征送入Softmax层实现分类，并最终获取给定问题的答案。本发明的有益效果：基于密集字幕方法，本发明将VQA问题转化为文本问答问题。

摘要： 本发明提供了一种基于文本的文本视觉问答系统及方法，涉及计算机视觉技术领域，能够有效地挖掘出文本的上下文信息，提取出文本与目标之间的稳定关系，添加正确的文本信息，有效的提高其准确率；该系统包括：阅读组件，用于提取图片中的文本信息和物体目标信息，并与待回答问题相结合选择出所需要的文本信息和物体目标信息；理解组件，用于对阅读组件选择出的文本信息、物体目标信息和待回答问题进行理解，并推理出各文本信息和各物体目标信息之间的关系；和答案选择组件，根据理解组件推理出的关系从候选答案中选择出与待回答问题匹配度最高的答案。本发明提供的技术方案适用于文本视觉问答的过程中。

摘要： 一种由计算设备实现的文本到语音(TTS)系统可以将图形用户界面中显示的文本内容自动转换为包括文本内容的语音的音频信号，并且计算设备可以向用户回放(例如，通过扬声器或耳机)音频信号。此外，计算设备可以在向用户回放音频信号期间进一步提供一种或更多种类型的补充视觉内容以显示给用户。作为一个示例，补充视觉内容可以包括“卡拉OK”样式的文本显示窗口，在该窗口中，文本内容的特定片段(例如，单词或句子)在音频信号的包括此类片段的语音的对应部分被回放时被突出显示或以其它方式在视觉上修饰。

摘要： 本发明公开了一种基于文本动态引导视觉特征提炼的文本行人检索方法，构建了一个文本动态引导的视觉特征精炼网络，包括特征提取模块、特征交互模块和跨模态特征匹配模块，系统首先将每个视觉特征水平划分成多个条带区域用于进一步的精炼，随后使用一个基于文本的过滤器生成器生成特定描述的过滤器，用于指示文本输入中对所提到的图像区域的重要程度，之后再运用一个文本动态引导的视觉特征精炼器动态地对每个文本描述进行部分视觉特征的融合，最终对文本特征向量和最终视觉特征进行跨模态特征匹配，实现通过文本对行人图像的检索。本发明能够实现跨模态信息之间的交互，进一步提高行人检索任务的准确率。

摘要： 本发明公开了一种基于图像视觉到文本转换的视觉问答问题解决方法。本发明一种基于图像视觉到文本转换的视觉问答问题解决方法，包括：步骤1)获取一副图像，提取CNN特征；步骤2)构建和学习图像密集字幕深度网络；步骤3)构建属性网络；步骤4)执行深度游走，对每一个获取的图像标题提取知识库增强特征；步骤5)对所有的知识库增强特征执行平均池化，获取单幅图像的知识库增强特征；步骤6)执行问题为导向的Doc2Vec特征提取；步骤7)融合知识库增强特征、Doc2Vec特征和视觉特征送入Softmax层实现分类，并最终获取给定问题的答案。本发明的有益效果：基于密集字幕方法，本发明将VQA问题转化为文本问答问题。

摘要： 本发明公开了一种基于计算机视觉的字母文本识别方法，包括终端对获取到得英文字符图像转换为二值图像；按照顺序扫描图像的像素并记录相应的图段数、相邻图段数以及图段长度：计算图像的欧拉数E并分类：对欧拉数相同的字符图像，根据字符图像不同位置的图段数、字符图像高度与宽度的比值、还有在图像的特定宽度位置增加前景色相同的直线后，判断新图像的孔洞数，进而对字符图像进行字母识别。本发明采用图像欧拉数和图像特定高度或宽度处的图段特征以及高度与宽度的比值相结合的方法实现对字母图像简单、快速地识别。

摘要： 本发明提供一种基于视觉驱动的文本转语音的方法，属于文本转语音技术领域，本发明将文本转语音模型的输入扩展为不仅输入文本，而且输入面部视频，生成并输出与视频帧相匹配的语音，生成的音频不仅仅与视频同步，而且保留了与视频相同的韵律与停顿，并且可以从视频信号中推断停顿与声音的变化，该方法可以应用于制作高质量的拼音视频，而无需耗费大量的人力物力在专业环境中重新录制配音。给定说话者的文本和对应的视频帧，模型经过训练，模型并不是只关注嘴巴的区域，而是提取全脸的视觉信息语文本信息相匹配，从而生成语音。

摘要： 本发明公开了一种图像文本视觉问答方法、系统及存储介质。所述方法包括：获取目标图像对象和目标问题对象；进行特征提取，获得图像视觉特征、图像文本特征、问题文本特征；将所述图像视觉特征、图像文本特征和所述问题文本特征转化到同一特征空间，对同一维度的图像视觉特征、图像文本特征和问题文本特征进行融合；将编码了跨模态和模态内部关系的图像视觉特征、图像文本特征和问题文本特征输入答案生成模块，获得目标答案。采用本发明所述的方法进行图像文本视觉问答任务，步骤简单、效率高、准确率高。

摘要： 本公开提供了一种视觉场景文本融合模型的预训练和图文检索方法及装置，涉及人工智能技术领域，具体涉及深度学习、图像处理和计算机视觉技术领域。具体实现方案为：获取样本图文对；提取样本图像中的样本场景文本；将样本文本输入文本编码网络，得到样本文本特征；将样本图像和初始的样本融合特征输入视觉编码子网络，以及将初始的样本融合特征和样本场景文本输入场景编码子网络，得到样本图像的全局图像特征和经学习的样本融合特征；根据样本文本特征、样本图像的全局图像特征和经学习的样本融合特征，对视觉场景文本融合模型进行预训练。通过上述技术方案，能够提高图文跨模态检索性能。

摘要： 本发明提供一种基于语义划分的视觉文本属性对齐的行人图像搜索方法，包括：对图像模态和文本模态中的原始数据进行处理，获得图像全局及文本全局与局部的数据集；利用图像特征提取网络和文本特征提取网络对数据集分别进行特征提取，获得图像及文本单模态内的全局与局部特征；在嵌入网络中将单模态内的全局与局部特征转化为对应模态的嵌入特征；在多个损失函数的联合约束下，进行模型训练。本发明对局部特征进行更细粒度的划分，充分利用局部特征之间的对应关系，辅助主干网络提取更加对齐的全局跨模态嵌入特征；通过整体损失联合约束网络的训练，促使模型向着最优的方向收敛，提高基于自然语言描述的行人图像搜索的性能。