Описаны электронные ресурсы Карельского научного центра РАН, связанные с работой электронных библиотек, репозиториев и поисковых систем. Эти ресурсы предназначены для сбора, организации и распространения научной и технической информации (в виде научных публикаций, архивных документов) с целью ее использования в теоретических и прикладных научных дисциплинах. Охарактеризованы этапы разработки названных ресурсов на фоне истории развития отдельных, связанных с ними подразделений (Научная библиотека, Научный архив). Предложены направления развития электронных ресурсов Центра.

Статья распространяется на правах свободной лицензии Creative Commons Attribution-ShareAlike 4.0.

Рассмотрены технические проблемы переноса игровых сцен между различными игровыми движками. Проанализированы ключевые вызовы, связанные с различиями форматов хранения сцен, несовместимостью API рендеринга и физического моделирования, проблемами конвертации материалов, шейдеров и анимационных данных, а также различиями в системах координат. Представлены существующие инструменты и методы, включая автоматизированные решения для экспорта, преобразования и импорта данных, с особым акцентом на перенос контента из Unreal Engine в Unigine. Дополнительно обсуждены фундаментальные подходы к решению задачи – применение универсальных форматов обмена (FBX, glTF, USD), создание промежуточного слоя (middleware) и модульный дизайн игровых сцен, что открывает перспективы для будущей автоматизации процесса. Приведены результаты исследований по формальному описанию логики игровых систем и подходы к портированию VR-приложений между различными библиотеками. Полученные выводы позволяют сформулировать практические рекомендации для разработчиков и обозначить направления дальнейших исследований в области автоматизированного переноса контента между игровыми движками.

Представлена методика создания синтетического набора данных с использованием системы MetaHuman для оптимизации скиннинга 3D-моделей. Основное внимание уделено улучшению качества привязки (скиннинга) геометрии к скелетам персонажей за счет разнообразия генерируемых высокореалистичных моделей. С помощью MetaHuman сформирован обширный датасет, включающий десятки виртуальных персонажей с различными антропометрическими характеристиками и точно заданными весовыми параметрами скиннинга. На основе этих данных обучен алгоритм, оптимизирующий распределение весов между костями и поверхностью модели.

Предложенный подход автоматизирует процесс настройки весов, что поз-воляет значительно сократить ручной труд риггеров и повысить точность дефор-маций при анимации. Эксперименты показали, что использование синтетических данных приводит к сокращению ошибок скиннинга и более плавным движениям модели по сравнению с традиционными методами. Результаты работы имеют непосредственное применение в индустрии видеоигр, анимации, виртуальной реальности и симуляций, где требуется быстрый и качественный риггинг множества персонажей. Предложенный метод может быть интегрирован в существующие графические движки и конвейеры разработки в виде плагина или инструмента, облегчая внедрение технологии в практические проекты.

Поводом для данной работы послужили случившиеся один за другим 25-летние юбилеи главных для нашей страны поисковых машин Яндекс и Google. Эта статья – попытка описать некоторые события из истории развития средств навигации в интернете с точки зрения их свидетеля (и частично – участника).

Исследованы две модификации рекуррентных нейронных сетей: сети с долгой краткосрочной памятью и сети с управляемым рекуррентным блоком с добавлением механизма внимания к обеим сетям, а также модель Transformer в задаче генерации запросов к поисковым системам. В качестве модели Transformer использована модель GPT-2 от OpenAI, которая обучалась на запросах пользователей. Проведен латентно-семантический анализ для определения семантических сходств между корпусом пользовательских запросов и запросов, генерируемых нейронными сетями. Для проведения анализа корпус был переведен в формат bag of words, к нему применена модель TFIDF, проведено сингулярное разложение. Семантическое сходство вычислялось на основе косинусной меры. Также для более полной оценки применимости моделей к задаче был проведен экспертный анализ для оценки связности слов в искусственно созданных запросах.