简介：Astructuredlow-rankmatrixrecoverymodelforRGBDsalientobjectdetectionisproposed.Firstly,theproblemisdescribedbyalow-rankmatrixrecovery,andthehierarchicalstructureofRGBimageisaddedtothesparsityterm.Secondly,thedepthinformationisfusedintothemodelbyaLaplacianregularizationtermtoensurethattheimageregionswhichsharesimilardepthvaluewillbeallocatedtosimilarsaliencyvalue.Thirdly,avariationofalternatingdirectionmethodisproposedtosolvetheproposedmodel.Finally,bothquantitativeandqualitativeexperimentalresultsonNLPR1000andNJU400showtheadvantageoftheproposedRGBDsalientobjectdetectionmodel.

简介：在增值服务(管)上投资放大用户参予和站台利润。然而，投资资源通常在实践被限制。这篇论文调查管在投资资源限制下面为一个两方面的平台投资和定价策略。我们表明与管投资，赞助能仍然被做扩大用户需求，甚至当投资费用变得更高时。为最佳的定价策略，如果，网络效果将是统治决定因素在二个边缘的跨方面的好处之间的差距(即当时，用户们获得的利益各新的用户加入站台的另外的方面)大。有趣地，我们证明随边缘的投资费用的增加，用户们也可能更高被定价或降低。如果边缘的投资费用增加到高水平，和在二个边缘的跨方面的好处之间的差距大，为拥有更高跨方面的网络效果的用户降低存取费用未必确实补偿更高的费用引起的更多的利润损失。而且在管被开发以后，为谁的那些提起存取费用边缘的投资利益大未必确实也产生更多的利润。相反的策略进一步扩大用户用途，并且支持投资有益于更多的用户。