摘要：本申请涉及一种分类模型的增量训练方法、装置和计算机设备。所述方法包括获取经真实样本和虚构样本共同训练得到的目标分类模型；获取新增样本，新增样本所属的新增类别不同于任一真实类别；将新增样本输入至目标分类模型，并通过目标分类模型提取新增样本的特征向量；确定特征空间中与各个虚构类别分别对应的目标代表特征，并基于特征向量与各目标代表特征间的差异，确定与新增样本匹配的目标虚构类别；将目标虚构类别更新为新增类别，以使得目标分类模型支持对新增类别的预测。采用本方法能够在分类任务中快速支持对新增数据和新增类别的预测。

摘要：本申请实施例提供一种降频点检测方法、装置、设备及存储介质，至少应用于测试领域和游戏领域，其中，方法包括获取极限测试的配置参数；基于所述配置参数，在待测设备上运行目标应用的特定场景，得到所述极限测试的性能数据；所述性能数据包括多个维度的特征数据；对所述多个维度的特征数据进行数据融合处理，得到融合特征数据集；基于所述融合特征数据集，构建用于表征所述性能数据对应的融合特征的目标函数；以所述目标函数为损失函数，对所述融合特征进行似然估计，得到所述待测设备在运行所述目标应用时的至少一个降频点。通过本申请，能够自动化完成极限测试，准确的分析出降频点，提高降频点检测的效率。

摘要：本申请涉及一种实体数据处理、实体链接方法、装置和计算机设备，包括获取第一训练样本；第一训练样本包括第一训练实体对应的语义特征数据和训练内容数据；通过待训练的第一语境编码模型对训练内容数据进行编码，得到第一训练实体对应的第一语境特征表示；通过待训练的第一实体编码模型对语义特征数据进行编码，得到第一训练实体对应的第一语义特征表示；基于第一语境特征表示和第一语义特征表示确定第一特征表示损失，基于第一特征表示损失调整第一语境编码模型和第一实体编码模型的模型参数并继续训练，直至训练完成，获得训练后的第一目标实体编码模型。采用本方法能够提高语义特征表示的准确性。

摘要：本申请公开了一种贴图处理方法和装置、存储介质及电子设备。其中，该方法包括获取待处理的初始贴图，其中，初始贴图是目标应用需要加载的贴图，根据初始贴图生成不同尺度的多个特征图像，其中，多个特征图像中每个特征图像保留了不同尺度的高频信息，对多个特征图像进行融合，生成目标贴图，在目标性能参数满足预设条件的情况下，将初始贴图替换为目标贴图，其中，目标性能参数用于表示目标应用加载目标贴图时所产生的资源开销，本申请可以应用于包括但不限于智能游戏领域等，实现对游戏资源贴图进行的基于人工智能的处理。本申请解决了相关技术中贴图加载时，资源开销过大，浪费硬件资源的技术问题。

摘要：本申请实施例公开了一种模型更新方法、装置、设备、存储介质及程序产品；在本申请实施例中，对训练样本的脸部特征和训练样本的标签对应的目标簇的中心特征进行融合处理，得到训练样本的融合特征；根据融合特征和脸部特征，对目标簇的中心特征进行调整，得到目标簇的调整后中心特征；对脸部特征和目标簇的调整后中心特征进行融合处理，得到训练样本的调整后融合特征；根据调整后融合特征，确定融合特征和调整后融合特征之间的兼容损失值，以及确定脸部识别模型的分类损失值；根据分类损失值和兼容损失值，对脸部识别模型进行训练，得到脸部识别模型更新后的目标脸部识别模型。本申请实施例可以提高目标脸部识别模型的兼容性。

摘要：本申请涉及一种图像编辑方法、装置、计算机设备、存储介质和计算机程序产品。本申请涉及人工智能。所述方法包括将第一随机变量输入初始图像生成模型和特征图像生成模型；基于目标属性所属的属性类型在对象图像中对应的图像区域，获取初始图像生成模型中第一网络层输出的第一初始对象图像和特征图像生成模型中第二网络层输出的第一特征对象图像分别对应的属性遮罩图像；基于由属性遮罩图像确定的目标联合遮罩图像，将初始图像生成模型和特征图像生成模型中匹配的目标网络层输出的第二初始对象图像和第二特征对象图像进行融合，得到参考对象图像；参考对象图像用于表征对第二初始对象图像进行目标属性编辑得到的图像。本方法可提高图像编辑效率。

摘要：本申请提供了一种数据处理方法、设备、存储介质及计算机程序产品，应用于云技术、人工智能、智慧交通、车载和游戏等各种渲染场景；该数据处理方法包括响应于渲染触发事件，生成针对待渲染资源的第一管线配置指令；响应于第一管线配置指令，通过虚拟管线接口进行虚拟管线配置，得到虚拟管线配置信息，其中，虚拟管线配置信息表示以下三者的对应关系待渲染管线阶段、待渲染资源位置和待渲染资源的待渲染资源标识；向渲染设备发送虚拟管线配置信息，以使渲染设备基于虚拟管线配置信息生成第二管线配置指令，并通过真实管线接口响应于第二管线配置指令进行真实管线配置，以及基于真实管线配置结果进行渲染。通过本申请，能够提升渲染效率。

摘要：本申请提供一种训练文本分类模型的方法、装置、设备及存储介质，可以应用于人工智能领域或车联网领域等，用于解决训练得到的目标文本分类模型的分类准确性和分类可靠性较低问题。该方法至少包括分别对所述多个文本行样本图像进行至少一种文本变换，获得相应的构造图像对；采用文本分类模型，分别对获得的各构造图像对进行特征提取，获得相应的图像特征对；基于获得的各图像特征对各自包含的两个图像特征之间的差异，调整所述文本分类模型的模型参数。训练过程中，不需要大量的标注有文本类别的样本图像参与训练，避免样本图像不足而造成训练出的目标本文分类模型的分类准确性和分类可靠性较低的问题。

摘要：本申请实施例公开了一种顶点环境光遮蔽值的确定方法、应用方法、装置及设备，用于提高获取顶点环境光遮蔽值的准确性，降低运算成本。本申请实施例的方法包括对待处理模型进行三角面细分，得到三角面模型，其中，三角面模型包括多个三角形以及多个顶点，基于每个顶点关联的三角形，计算每个顶点的环境光遮蔽值，基于每个顶点的环境光遮蔽值，分别计算每两个顶点之间的连边对应的误差，基于误差，对每两个顶点之间的连边进行合并处理，得到合并之后的目标三角面模型以及目标三角面模型中的目标顶点，基于目标顶点关联的三角形，计算目标顶点的环境光遮蔽值。

摘要：本申请公开了一种模型的阴影生成方法、装置、设备、介质，涉及图像处理领域。该方法包括获取目标三维模型对应的二值图像和虚拟场景对应的环境光照贴图；对二值图像和环境光照贴图进行特征空间压缩和特征连接，将环境光照贴图所表征的全局共享光照效果映射至二值图像，得到中间特征表示；对中间特征表示进行上采样和特征空间解压缩，得到阴影图像；在虚拟场景中通过阴影图像生成目标三维模型的阴影效果。即，通过将环境光照贴图对应的光照特征全局共享至二值图像对应的模型特征上，从而根据目标三维模型的二值图像高效地生成目标三维模型的阴影效果，减少了设备进行阴影生成时的数据处理量，提升了模型阴影的生成效率。

摘要：本申请实施例提供了一种渲染处理方法、装置、设备及介质，其中的方法包括在GPU渲染目标游戏的过程中，确定GPU在渲染目标游戏时进行资源运算所需的目标资源；根据目标资源对CPU进行运算配置；使用配置好的CPU对目标资源进行运算，得到运算结果；将配置好的CPU中的运算结果同步至GPU，以使GPU在渲染目标游戏时使用运算结果。采用本申请实施例能够减小GPU的运行压力，从而提升游戏运行效率。

摘要：本申请提供了一种资源包发送方法、装置、设备及存储介质，属于网络技术领域。所述方法包括获取内容分发网络的基准带宽，所述基准带宽为发送虚拟资源包时的参考带宽；基于所述基准带宽和所述内容分发网络的实时带宽，调整第一类客户端在第二类客户端中所占的客户端比例，所述第一类客户端为允许下载所述虚拟资源包的客户端，所述第二类客户端为预约下载所述虚拟资源包的客户端；允许所述第一类客户端在不高于所述客户端比例的情况下，下载所述虚拟资源包。上述技术方案，避免了短时间内大量下载虚拟资源包造成的带宽峰值过高的问题，能够在不降低下载速度的前提下，降低带宽成本，提高了资源包发送效率。

摘要：本申请涉及一种神经网络处理方法、装置、计算机设备、存储介质和计算机程序产品。该方法包括获取神经网络算子关联图中各个算子节点的节点深度；基于各个算子节点对应的节点深度、依赖信息和设备支持信息对各个算子节点进行划分，得到算子关联子图和待划分算子节点；基于算子关联子图和待划分算子节点得到更新的神经网络算子关联图并进行循环迭代，直到各个算子节点划分完成时，得到各个目标算子关联子图和对应的子图设备支持信息；将神经网络算子关联图、各个目标算子关联子图和子图设备支持信息关联，并响应神经网络运算请求按照关联关系将各个目标算子关联子图发送至对应的目标设备进行运算。采用本方法能够提高设备利用率，节省运算资源。

摘要：本申请涉及一种视频拆分方法、装置、计算机设备和存储介质。所述方法包括获取待处理视频中各目标视频片段对应的音频片段和台词文本；将各音频片段中属于人声的音频帧，作为相应音频片段中的目标音频帧；提取每帧目标音频帧各自的特征表示，并根据相邻音频片段中的目标音频帧的特征表示，确定相邻目标视频片段间的人声语义相关度；提取每个目标视频片段对应的台词文本的特征表示，并根据相邻目标视频片段的台词文本的特征表示，确定相邻目标视频片段间的内容语义相关度；基于相邻目标视频片段间的人声语义相关度和内容语义相关度，对待处理视频进行情节拆分，得到多个子视频。采用本方法能够对视频进行自动地情节划分。

摘要：本申请公开了一种图像识别模型的训练方法、装置、设备和介质，涉及机器学习领域。该方法包括获取样本图像集合，对所述样本图像集合中的样本图像进行区域分割，生成第一样本切片包和第二样本切片包，通过图像识别模型对所述第一样本切片包中的样本图像切片进行特征分析，基于所述切片标签和切片分析结果之间的差异确定第一损失值；通过所述图像识别模型对所述第二样本切片包进行特征分析，基于所述样本标签和切片包分析结果之间的差异，确定所述样本图像对应的第二损失值和所述第二样本切片包对应的第三损失值；基于损失值对所述图像识别模型进行训练。提高了图像识别模型对样本图像切片中目标图像内容的准确性和识别精度。

摘要：本申请提供了一种图像处理方法以及相关装置。本申请实施例可应用于人工智能、智慧交通、辅助驾驶等各种场景。其方法包括首先，获取包括抠图目标待处理图像；接着，通过金字塔特征提取网络对待处理图像进行处理，得到M个特征图像；然后，通过第一目标分割网络对M个特征图像进行处理，得到第一图像；并且，通过第二目标分割网络对M个特征图像进行处理，得到第二图像；最后，根据第一图像及第二图像，生成包括抠图目标的目标抠图图像。本申请提供的方法通过两个不同的目标分割网络对待处理图像的M个特征图像进行目标分割，得到第一图像及第二图像，通过第一图像及第二图像生成目标抠图图像，提高了抠图结果的准确性及抠图结果的精细程度。

摘要：本申请实施例提供了一种视频帧同步方法、终端、服务器、电子设备及计算机可读存储介质，涉及图像处理技术领域。该方法包括接收各终端分别发送的视频流，视频流包括多个待同步视频帧，待同步视频帧中携带帧发送时刻，帧发送时刻为第一本地发送时刻或者公共发送时刻；根据各个终端对应的时延或待同步视频帧中携带的帧发送时刻中的至少一种，从所有视频流中确定至少一个目标视频帧簇，目标视频帧簇中包括与终端数量相同的、且对应同一公共发送时刻的待同步视频帧，每个目标视频帧簇用于生成一帧多视角视频帧。本申请实施例可达到十毫秒级别的实时性，适用于对实时性要求较高的场景。

摘要：本申请涉及一种隧道场景的定位方法、装置、计算机设备、存储介质和计算机程序产品。所述方法可应用于电子地图、智能交通、自动驾驶和定位等场景，所述方法包括获取目标车辆在行驶过程中采集的光照数据；从所述光照数据中提取光照特征和光照变化特征；确定所述光照数据和光照模板数据之间的关联特征；对所述光照特征、所述光照变化特征以及所述关联特征之间的融合特征进行分类处理，得到分类结果；当所述分类结果表示所述目标车辆驶入或驶出目标隧道时，基于所述分类结果确定所述目标车辆的定位点。采用本方法能够有效提高行车导航定位数据准确性。

摘要：本申请涉及一种光照贴图降噪方法、装置、设备和介质。所述方法包括针对待降噪的光照贴图中每一个目标像素点，确定目标像素点在光照贴图中对应的降噪参考区域；降噪参考区域内包括用于降噪参考的至少一个参考像素点；针对每个参考像素点，确定参考像素点与目标像素点在三维空间中的世界空间距离；根据世界空间距离确定参考像素点对目标像素点的光照贡献参数；根据每个参考像素点的光照贡献参数，以及光照贴图中针对参考像素点记录的光照数据，对光照贴图中针对目标像素点记录的光照数据进行降噪处理，得到降噪处理后的光照贴图。本方法可以提升针对光照贴图的降噪效果，从而提升基于光照贴图进行光照渲染的图像质量。

摘要：本申请实施例提供一种数据处理方法、装置、设备及存储介质，至少应用于动画检测分析和动画制作领域，其中，方法包括确定目标程序的像素影响参数；所述像素影响参数用于确定所述目标程序所渲染的程序视频中的每一视频帧图像的像素级表现特征；对所述像素影响参数进行参数固定处理，得到参数固定后的像素影响参数；基于所述参数固定后的像素影响参数，获取所述目标程序在至少两个版本下的待截取视频；对所述至少两个版本下的待截取视频分别在相同视频帧位置进行截取，对应得到至少两个截取帧图像；基于所述至少两个截取帧图像，对所述至少两个版本下的目标程序进行资源检测。通过本申请，能够提高资源检测效率和检测结果的准确性。