資訊工程學系
Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/60
本系前身「資訊教育學系」成立於民國七十四年，首先招收大學部學生，民國九十年成立資訊工程研究所碩士班，而後於民國九十五年進行系、所調整合併為「資訊工程學系」；並於九十六年成立博士班。本系目前每年約招收大學部四十餘人，碩士班六十餘人，博士班約五人，截至民國一百零四年十一月止，總計現有大學部一百九十多人，碩士班一百二十多人，博士班二十三人，合計學生人數約為三百三十多位。
News
Browse
3 results
Search Results
Item 栩栩如生:動畫人物動作重演(2024) 林育德; Lin, Yu-De動作重演旨在將驅動影片中人物的動作轉換為來源影像中人物的動作，並依照轉換結果生成一段動作重演動畫。近期研究多探討真實人類至真實人類的動作重演，甚至已經能夠生成真假難辨的動畫。本研究認為動作重演的價值在於將真實人類的動作轉換為動畫人物的動作，因為可提升動畫人物的動作品質，豐富使用者的娛樂體驗。本研究期望動畫人物可重演真實人類談話時的面部表情、頭部轉動和肩膀移動等動作，於是分別從VoxCeleb資料集收集名人訪談影片和AnimeCeleb資料集收集動畫人物動作影片，並將這兩種類型的影片組成Celebrity450訓練集。藉由讓系統從Celebrity450訓練集中學習真實人類和動畫人物的動作轉換，預測真實人類至動畫人物的動作轉換。現有技術易受到真實人類和動畫人物幾何差異的影響，產生面部動作轉換能力不足的問題，本研究提出多解析度光流技術，讓系統分別從不同解析度的特徵圖學習相應解析度的光流。同時，AnimeCeleb資料集沒有提供動畫人物肩膀移動的動作資訊，造成系統不能學習動畫人物肩膀移動的動作轉換。本研究在動畫人物動作影片進行特定型態的資料增強，透過移動每張影格的像素座標，模擬動畫人物各類型的肩膀動作。此外，當前指標不能明確評估動作轉換的性能，本研究提出反轉評估技術，透過比對重建之來源影像與來源影像的差距，間接評估動作重演的性能。實驗表明本研究在動畫人物動作重演領域取得重大的突破，多解析度光流技術不僅改善現有技術的缺失，還能將真實人類面部動作的細節轉換至動畫人物；特定型態資料增強讓系統可從訓練集學習動畫人物肩膀移動的動作轉換，實現生動的動畫人物動作重演；反轉評估技術展現穩健的信效度，提供未來研究一個明確可行的評估指標。Item 以產品圖形為基的方法分析手機及相機功能之相關性研究(2020) 蔡鎮宇; Tsai, Chen-Yu隨著網路的普及，店家的銷售模式及消費者的購物模式逐漸改變，許多人購物前會事先在網路論壇等平台查詢產品相關評價後才決定是否購買。網路論壇常見的討論方式為發佈一篇與產品之間比較的文章，而許多網友則會在下方留下自己偏好的產品以及一些對產品的看法。 本論文使用的資料來自於批踢踢實業坊Mobilecomm看板文章，實驗語料選自文章中的網友所撰寫的文章推文。研究目的主要希望針對這些文章推文進行極性分析，透過分析結果進一步對產品進行排名。儘管產品的整體排名是一項重要的指標，但現在越來越多消費者會根據相機功能選購手機，因此研究中同時會對相機功能的部分進行排名。 在計算手機品牌分數上，本研究將建立有向加權圖確立每個手機品牌之間的關係，透過定義比較句和主觀判斷句的方式，以這些句子建立每個產品本身的分數以及有向邊的分數。 最後透過正向句和負向句不同的權重計算方式得出兩種不同結論。當使用正向句分數減去負向句分數時，得出當相機功能排名靠前時，手機品牌的分數不會靠後。當使用正向句分數除以負向句分數時，目前暫時無法判斷手機品牌與相機功能的相關性。Item 旅遊評論關注面向與不一致性分析研究(2018) 許先緯; Hsu, Hsien-Wei網路的便利性改變人們的消費習慣和店家的經營模式，許多人在進行購物前習慣上網先查詢相關評價再決定是否購買，希望購買的物品能達到預期的效益。店家則希望消費者在購物體驗後能上網留下評價，這些評論能夠吸引更多人關注並且提供店家維持品質和改善的方向。一篇評論通常包含使用者給予的星等分數和意見，當評論文章數量變多，經過觀察會發現其中有些評論的星等分數和意見內容不符合，像是使用者給予5顆星的正面評分但是留下的意見卻都是許多缺失和抱怨，就是所謂的不一致現象。 本論文使用的資料來自於TripAdvisor國際旅遊評論網站，實驗資料選自台北市知名7間飯店。研究目的有二：第一個目的是擴充情感字典裡的詞彙數量，透過自建擴充的情緒詞彙庫和所提出的情緒計算模組能自動賦予每個詞彙情緒分數，分析評論文章的不一致性，以便提供有效的評論意見供旅客做為參考依據。第二個目的是找出評論文章裡的面向詞（Aspect term），將所有面向詞映射到向量空間後使用分群演算法進行分群，希望意義相近的詞彙能夠分到同一類並找出能夠代表此類的代表字，當使用者想要查看所在意面向的評論文章時，不需要每篇評論都要看過，而是能夠透過分析出來的代表字快速找到有關此面向的評論文章，也能更細部的分析各個面向的正負面評價。 本研究提出三種基於不同規則的統計算法辨識評論文章的不一致性，其中使用去掉最低分做算術平均數之規則，系統準確率可達到85.7%。關注面向部分，使用Word2vec產生詞向量，利用K-Means和Fuzzy C-Means將面向詞分群，並找出每群的代表字。研究結果顯示，使用Fuzzy C-Means分群找出的代表字較能區分各種不同面向。