多样化虚拟人群生成方法研究
基于深度学习的虚拟角色生成技术研究
基于深度学习的虚拟角色生成技术研究在当今科技逐渐发展的时代，人们对于虚拟角色的需求也越来越大。
无论是在游戏中扮演一个虚拟人物，还是在电影中看到一个惊艳的动画角色，我们对于虚拟角色的表现能力和社交互动性的要求日益提高。
为了使虚拟角色能够更加真实、逼真地呈现，基于深度学习的虚拟角色生成技术应运而生。
深度学习是一种通过构建人工神经网络，模仿人类大脑创造智能的方法。
它通过大量的训练数据和复杂的计算模型来学习模式和规律，并且能够自动地提取和抽象出有用的特征。
基于深度学习的虚拟角色生成技术，利用了这种自动学习的优势，可以从人类脸部照片和视频中学习到面部特征，然后生成出逼真的虚拟角色。
虚拟角色生成技术的核心是人脸识别和表情合成。
通过深度学习算法，系统可以识别出人脸的不同特征点，如眼睛、鼻子、嘴巴的位置和大小等。
这些特征点的位置和大小信息被用来生成一个三维模型，以便于进一步对角色的姿态和表情进行建模和控制。
通过深度学习网络的训练，系统可以学习到人脸表情的规律，进而通过调整三维模型和贴图来逼真地合成出各种表情。
然而，基于深度学习的虚拟角色生成技术也面临着一些挑战。
首先，虚拟角色生成需要大量的训练数据来支撑模型的学习。
而现实中获取大规模的人脸数据并不容易，尤其是敏感个人隐私问题的考虑。
其次，由于每个人的面部特征和表情都有所不同，如何在生成过程中保持个性化和多样性也是一个挑战。
除此之外，虚拟角色生成要面对的问题还包括光照和阴影效果的模拟、三维模型的布料和发丝等细节的合成。
为了克服这些挑战，研究人员们正在不断地探索和创新。
他们尝试从虚拟世界中生成大量人脸数据，以弥补真实数据的不足。
同时，他们还尝试使用条件生成对抗网络（Conditional Generative Adversarial Network，简称cGANs）来保持生成的个性化和多样性。
通过引入更加复杂的网络结构和改进的损失函数，可以更好地控制生成的结果和提升真实感。
虚拟人物的生成与应用研究
虚拟人物的生成与应用研究在现代科技迅速发展的时代，虚拟人物已经渐渐成为我们日常生活中不可或缺的一部分，人们可以在游戏、电影、动画、虚拟现实等方面接触到虚拟人物。
虚拟人物的生成与应用研究因此也变得越来越重要，本文将探讨虚拟人物的生成方法、应用场景及未来发展趋势。
一、虚拟人物的生成方法虚拟人物的生成方法有多种，根据应用场景的不同可以采用不同的技术手段进行生成。
其中最基础的生成方式是3D建模，通过使用3D建模软件将虚拟人物的外形进行设计。
此外，还可以通过扫描现实中的物体或者人体，利用3D扫描技术获取数据后再进行后续处理。
另外，通过使用机器学习的方法进行虚拟人物的生成也成为当前热门的研究方向。
机器学习通过训练机器学习模型对数据进行处理，从而进行虚拟人物的生成。
机器学习的方法可以节省专业3D建模人员的时间成本，并且可以生成更加丰富多样的虚拟人物。
二、虚拟人物的应用场景分析虚拟人物的应用场景非常广泛，其中最为显著的应用场景是游戏、电影、动画等娱乐产业。
在游戏中，虚拟人物主要用作游戏中的角色或者NPC，让玩家有更加真实的游戏体验；在电影和动画中，虚拟人物则可以用作主角或者配角，增强影片观赏性与趣味性。
除了娱乐产业，虚拟人物还可以用于教育、医疗等行业中。
在教育方面，虚拟人物可以被用作身临其境的学习工具，例如在虚拟实验室中进行实践操作；在医疗方面，虚拟人物可以被用作模拟手术和病例讲解的工具，提高医疗工作者的培训和技术水平。
三、虚拟人物的未来发展趋势随着虚拟人物在各行各业中的广泛使用，虚拟人物的未来发展趋势也受到了越来越多的关注。
其中最为热门的趋势是虚拟现实技术的应用。
虚拟现实技术可以让用户身临其境地进入虚拟世界中，通过计算机模拟出逼真的视觉效果和声音效果，达到与现实相似的体验效果。
虚拟现实技术的应用会让虚拟人物更加真实，应用场景也会更为广泛，例如虚拟试衣间、虚拟旅游等。
此外，虚拟人物的自动生成也将是未来的一个重要研究方向。
基于AI技术的虚拟人物形象生成研究
基于AI技术的虚拟人物形象生成研究虚拟人物是指通过计算机程序生成的、具有人类特征的角色形象。
在当前广泛应用于娱乐、教育和商业等领域中，虚拟人物已经成为一种主要的表达形式。
现代计算机技术的飞速发展，特别是智能算法的不断提升、AI技术的逐步成熟，为虚拟人物的生成和控制带来了许多新的机会。
AI技术对虚拟人物生成的影响AI技术是指模拟人类智能的技术，它的核心是机器学习、自动推理和语义分析等方法。
在虚拟人物生成领域中，AI技术的应用主要包括两方面：一是基于数据的虚拟人物自动生成，二是基于人工智能的虚拟人物控制。
基于数据的虚拟人物自动生成基于数据的虚拟人物自动生成是当前虚拟人物生成的主要方式。
这种方法不需要单独制定人物外貌、形象等方面的设计方案，它通过大数据的方式，对人物特征进行分析和学习，快速生成合适的人物形象。
这种方法的优点是不需要人工干预，实现自动化生成人物形象。
目前已经有许多开源的虚拟人物生成工具，例如Blender、MakeHuman等都是使用这种方法生成的。
基于人工智能的虚拟人物控制虚拟人物通过人工智能控制，可以做到与人类进行自然交互。
这种方法的实现需要人工智能技术的支持，可以通过模拟人类语音识别、面部表情等行为数据，实现虚拟人物的动态行为控制。
虚拟人物生成的应用领域虚拟人物生成领域目前已经应用于许多方面。
其中最主要的包括游戏、教育、商业等领域。
游戏领域虚拟人物已经成为游戏中重要的角色形象和情节构成元素。
现在的游戏开发商也倾向于使用基于数据的自动生成方法快速生成游戏人物。
教育领域虚拟人物在教育领域的应用也日益普及。
例如VR教育中，虚拟人物可以作为沟通平台，向学生传递知识点。
商业领域随着AR/VR等新技术的成熟，虚拟人物在商业领域的应用也越来越广泛。
例如虚拟人物代言等。
虚拟人物的未来随着AI技术的不断提升，虚拟人物的生成和控制将会越来越智能化。
例如将人工智能提供的自然语言处理技术应用到虚拟人物的语音交互控制中，可以让虚拟人物更优秀地表现出人类的情感特征。
基于虚拟现实技术的虚拟人物行为生成算法研究
基于虚拟现实技术的虚拟人物行为生成算法研究虚拟现实技术（Virtual Reality，简称VR）是一种能够创造出逼真的虚拟环境并实现用户沉浸感的先进技术。
随着VR技术的不断发展和普及，人们对于虚拟人物的需求也越来越高。
虚拟人物行为生成作为VR技术的重要组成部分，涉及到对虚拟人物行为的模拟和生成，帮助创造出更真实、可信度高的虚拟世界。
本文将对基于虚拟现实技术的虚拟人物行为生成算法进行研究和探讨。
一、虚拟人物行为生成的重要性及挑战虚拟人物行为生成是虚拟现实技术中的核心问题之一，它直接关系到虚拟环境的真实感和用户体验的质量。
通过虚拟人物行为生成算法，能够使得虚拟人物在虚拟环境中表现出与现实世界中人类相似的行为和反应，以达到提升虚拟世界的真实感的目的。
虚拟人物行为生成算法面临着许多挑战。
首先，虚拟人物需要具备智能化、自主化行为生成的能力，能够根据环境和用户的反馈进行实时的决策，这需要算法能够模拟人类的思维和行为过程。
其次，虚拟人物的行为生成需要在虚拟环境中与其他虚拟人物和物体进行交互，这要求算法能够实时感知和响应周围的环境。
再次，虚拟人物行为生成算法需要考虑多种因素，如情感、意识、语言等，以使虚拟人物具备更加丰富和复杂的行为和反应。
最后，虚拟人物行为生成算法还需要在保证真实感的同时，考虑到系统的效率和性能。
二、基于虚拟现实技术的虚拟人物行为生成算法研究1. 行为驱动算法：行为驱动算法是一种常用的虚拟人物行为生成方法。
它基于虚拟人物的目标和任务，通过设定一些规则以及不同的环境条件，来决定虚拟人物的行为和反应。
行为驱动算法能够使虚拟人物在虚拟环境中表现出一定的智能和自主性，但其局限性在于行为规则和环境条件的预设，无法适应复杂多变的环境情况。
2. 机器学习算法：机器学习算法可以通过对大量虚拟人物行为数据的学习和分析，来推测和预测虚拟人物的行为模式和规律。
这种算法可以使虚拟人物具备一定的学习和自适应能力，能够根据环境和用户的反馈进行实时的行为调整。
基于人工智能技术的虚拟人物生成与应用研究
基于人工智能技术的虚拟人物生成与应用研究人工智能技术在现代社会已经得到了广泛的应用，其在虚拟人物领域的应用也越来越受到人们的关注。
随着人工智能技术的日益发展，虚拟人物不断变得更加精细、真实，并且不断扩展其应用范围。
目前，基于人工智能技术的虚拟人物生成与应用研究已经成为一个热门的研究领域。
在虚拟人物生成的过程中，人工智能技术可以帮助我们实现高效率和高质量的生成。
具体来讲，通过人工智能技术，我们可以利用自然语言处理模型来理解用户的描述，同时根据用户指令和需求，进行虚拟人物的生成。
同时，我们还可以利用计算机视觉技术对虚拟人物进行形状、动作和面部表情等多方面的优化。
虚拟人物的应用广泛，可以应用于游戏、电影、广告、人机交互等多种领域。
在游戏领域中，基于人工智能技术的虚拟人物可以帮助我们实现更出色的游戏剧情、游戏角色形象和复杂的游戏操作。
在电影领域，虚拟人物可以替代特效演员，对于动作片等特效场景提供更真实的效果。
在广告领域，虚拟人物则可以为广告呈现带来更多元化和创意性的呈现方式。
在人机交互领域，虚拟人物的应用则是为人类提供更高效、更便捷的人机交互体验。
值得注意的是，虚拟人物的应用不应仅仅局限于娱乐、文化等领域。
虚拟人物还能够在医疗、教育、安防等领域发挥重要作用。
例如，在医疗领域中，虚拟人物可以帮助医生解释一些复杂医学知识和操作技巧，同时可以为患者提供更友好的医疗交流环境。
在教育领域中，虚拟人物则可以为教育提供一种新的教学模式，利用虚拟人物引导学生，激发学生的学习兴趣和学习热情。
在安防领域中，虚拟人物可以帮助人们预防一些危险事件，比如在警察训练中，虚拟人物可以担任模拟罪犯的角色，帮助警察进行训练。
虚拟人物的潜力是无限的。
通过基于人工智能技术的虚拟人物生成与应用研究，我们可以创造出越来越多留永恒的经典作品，同时也可以帮助我们更好地理解和掌握人工智能技术的优势，更好地利用人工智能技术为我们所想所需。
但是，虚拟人物的应用也带来了不少的风险和争论，例如虚拟人物深度学习过程中，人工智能在一些情况下会带来歧义及过度拟合的问题，虚拟人物在应用过程中会带来和真人相似度越来越高的误导等问题，这些都是需要我们关注并加以解决的。
多人在线虚拟场景建模技术研究与实现的开题报告
多人在线虚拟场景建模技术研究与实现的开题报告一、选题背景随着互联网技术的不断发展，虚拟现实技术、游戏技术等已经成为研究的热点。
在多人在线虚拟场景中，虚拟场景建模是必不可缺的一环，是构建虚拟现实世界的基础。
多人在线虚拟场景建模技术主要包括虚拟场景的建立以及多人场景的同步等方面。
因此，多人在线虚拟场景建模技术的研究和实现具有重要意义。
二、选题意义多人在线虚拟场景建模技术的研究和实现具有以下意义：1. 丰富虚拟场景内容：通过技术手段，能够实现更加丰富、多样的虚拟场景，提高虚拟体验的自然度和真实感。
2. 加强用户互动：在多人在线虚拟场景中，提供更多的互动玩法可以提高用户积极性和参与度，增进用户之间的互动体验。
3. 促进虚拟经济发展：虚拟经济是现今互联网时代的一个新兴领域。
多人在线虚拟场景中的购买、销售、信用等经济行为，有助于促进虚拟经济的发展，并带动实体经济的发展。
三、研究内容本课题拟研究的内容包括：1. 多人在线虚拟场景建模技术的研究和应用。
2. 多人场景同步技术的研究和应用。
3. 多人在线虚拟场景中的经济系统的研究和应用。
四、研究方法本课题的研究方法包括：1. 文献调研：收集、整理、分析多人在线虚拟场景建模技术的相关文献资料，总结归纳相关技术的发展趋势和研究现状。
2. 理论研究：对多人在线虚拟场景建模技术的理论进行分析和研究。
3. 实验研究：利用已有技术进行实验和模拟，对虚拟场景建模和多人场景同步技术的可行性和实际效果进行测试和验证。
五、预期目标通过本课题的研究和实现，预期达到以下目标：1. 掌握多人在线虚拟场景建模技术的基本理论和应用方法。
2. 实现多人场景同步技术，提高多人在线虚拟场景的效果和稳定性。
3. 实现多人在线虚拟场景中的经济系统，促进虚拟经济的发展。
4. 实现多人在线虚拟场景中的交互功能，提高用户的参与度和互动性。
六、研究进度安排预计研究时间为6个月，进度安排如下：第1-2个月：文献调研、技术预研。
基于深度学习的虚拟人物动作生成与模仿研究
基于深度学习的虚拟人物动作生成与模仿研究虚拟人物动作生成与模仿是计算机图形学和人工智能领域的研究热点之一。
随着深度学习的发展，逐渐出现了使用神经网络生成逼真虚拟人物动作的方法。
本文将探讨基于深度学习的虚拟人物动作生成与模仿的研究现状、挑战和应用前景。
首先，深度学习在虚拟人物动作生成与模仿中的作用不可忽视。
传统的动作生成方法通常依赖于手工设计的规则和模型，效果受限。
而深度学习通过学习大量数据，可以自动捕捉数据中的特征和规律，从而生成更加逼真的动作。
深度学习模型如生成对抗网络（GAN）和变分自编码器（VAE）等已经被应用于虚拟人物动作生成领域，取得了一定的成果。
其次，虚拟人物动作生成与模仿的研究挑战也是存在的。
首先，数据的获取与处理是一项关键任务。
虚拟人物动作需要大量真实的运动数据作为训练样本，在没有足够数据的情况下，模型的生成效果可能不尽理想。
此外，虚拟人物的动作往往受到环境条件、身体结构和个人差异等多种因素的影响，如何模拟和生成出各种不同的动作仍然是一个挑战。
在虚拟人物动作生成与模仿的研究中，还存在着解决动作生成的多样性和逼真性问题。
传统的方法往往只能生成固定风格或者限定场景内的动作，缺少多样性。
要生成多样化的动作，需要在模型设计和数据训练上做更多的改进。
同时，虚拟人物的动作逼真度也是一个令人关注的问题。
动作细节、肌肉变化和物理约束等都需要被准确地建模和模拟，以使生成的动作更加逼真。
虚拟人物动作生成与模仿在很多领域都具有广泛的应用前景。
首先，虚拟角色在电影、游戏和虚拟现实等娱乐领域有着巨大的需求。
通过使用深度学习来生成虚拟人物的动作，可以提高游戏和电影中虚拟角色的逼真度和自然度，增加观众的沉浸感。
其次，虚拟人物动作的生成还可以应用于机器人领域。
通过让机器人具备模仿和生成人类动作的能力，可以使得机器人更加灵活、智能，并能够更好地与人类进行互动。
此外，虚拟人物动作生成与模仿还有助于医学康复领域的研究。
基于机器学习的虚拟人物生成与情感交互研究
基于机器学习的虚拟人物生成与情感交互研究实现基于机器学习的虚拟人物生成与情感交互是当今人工智能领域的一个热点研究方向。
通过使用机器学习算法，如深度学习，可以让计算机生成虚拟人物，并使其具备情感交互能力，使得人与虚拟人物之间能够进行自然而有效的交流。
虚拟人物生成是指利用计算机技术创建出虚拟的人物形象，使其具备人类的外貌特征、动作行为、语言表达等。
传统的虚拟人物生成通常基于建模技术，通过对人体形状、肤色、发型等的建模，然后再进行动画渲染。
而基于机器学习的虚拟人物生成则利用机器学习算法对大量的人类形象数据进行学习和分析，从而能够更好地模拟人类外貌特征，并生成高度逼真的虚拟人物。
虚拟人物生成的关键是如何从人类形象数据中学习并提取特征，然后利用这些特征来生成虚拟人物。
在机器学习领域，深度学习是一种强大的技术，它可以通过构建深度神经网络来学习和提取非常复杂的特征。
在虚拟人物生成中，可以使用深度学习技术，如生成对抗网络（GANs）和变分自编码器（VAE）等，来学习和生成虚拟人物的特征。
生成对抗网络是一种由生成器和判别器组成的框架，可以用来生成逼真的虚拟人物形象。
生成器通过学习训练数据中的特征分布，并生成虚拟人物图像，而判别器则根据生成的图像和真实图像进行辨别。
通过反复迭代训练生成器和判别器，生成对抗网络能够不断提高生成虚拟人物的能力。
除了外貌特征，虚拟人物的情感交互能力也是一个重要的研究方向。
情感交互使得虚拟人物能够感知和表达情感，从而与用户进行更加自然和亲密的交流。
情感交互可以通过文本、语音和面部表情等多种形式进行，具体的实现需要将情感识别与自然语言处理等技术结合起来。
情感识别是指通过分析用户的语言、语音和面部表情等，来判断用户的情感状态。
在机器学习中，可以利用监督学习的方法，使用标注好的情感数据进行训练，从而学习到情感与输入特征之间的关系。
在虚拟人物中，可以将情感识别技术与自然语言处理技术相结合，使得虚拟人物能够理解和回应用户的情感状态。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
人群 仿真 技术 在很 多领域 均有应 用 ，可 以应 用于 军事 训练和 军 事部署 ，交通路 口等 公共场 所 的 安全演 练 ，城 市规划 、游戏创 作 、训 练系 统 以 及火 灾等 灾难 现场 模拟 与辅 助指 挥【 １ ］ 。但 是从 目
觉 ，缺 乏真 实感 ，给人 一种 单调 乏味 的感觉 。
由于人 物身体 本 身的复 杂性 ，动 画师 必须 通
过 大量 详尽 的处 理才能 设计 出 比较 真 实的体 型 。 然 而 ，如果 需要 绘制 自然 、与实 际相符 的人 群 ，
２ ０ １ ３年 ７ 月
图 学 学 报
Ｊ ｏＵＲＮＡＬ ｏＦ ＧＲＡＰＨＩ ＣＳ
Ｊ ｕ ｌ ｙ ２ ０１ ３ 、 ， ０ １ ． ３ ４ ＮＯ ． ４
第 ３ ４卷 第 ４期
多样化虚拟人群生成 方法研 究
郑利 平 ， 张 娟 ， 赵建明， 刘玉飞 ， 刘 晓 平
关
键
词 ：人 群仿真 ：多样化 ；角 色模 型 ；角 色纹理 ：行 走姿 态
中图分 类号 ：Ｔ Ｐ ３ ９ １ ． ９
文献标识码 ：Ａ
文 章 编 号： ２ ０ ９ ５ ． ３ ０ ２ Ｘ ｆ ２ ０ １ ３ ） ０ ４ 一 Ｏ １ １ ２ ． ０ ７
Ｓ ｔ ｕｄ ｙ ｏ ｆ Ｄｉ ｖｅ ｒ ｓ ｉ ｔ ｙ Ｇｅ ｎｅ ｒ ａ ｔ ｉ ｎ ｇ Ｍｅ ｔ ｈｏ ｄ ｏ ｆ Ｖｉ ｒ ｔ ｕａ ｌ Ｃｒ ｏ ｗｄ
型 多样化 ，纹理 多样化和 姿 态动作 多样化 等 方面进 行讨论 ，采 用 Ｈ ａ ｓ ｌ ｅ ｒ模 型库 实现 角色身 高 以及体 型 的差 异化 ， 通 过 纹理模板 实现 角色外观 的 多样化 ，并通 过嵌 入 骨骼技 术 为模 型赋
予不 同动 作 。实验 结果表 明本方 法可生成 效 果较好 、外观 各 异、动作 多样 的虚拟 人 群。
Ｚ ｈ ｅ ｎ ｇ Ｌｉ ｐ ｉ ｎ ｇ ， Ｚ ｈ ａ ｎ ｇ Ｊ ｕ ａ ｎ ， Ｚｈ ａ ｏ Ｊ ｉ ａ ｎ ｍｉ ｎ ｇ ， Ｌ ｉ ｕ Ｙｕ ｆ ｅ ｉ ， Ｌ ｉ ｕ Ｘｉ ａ ｏ ｐ ｉ ｎ ｇ
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ ａ ｎ ｄ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ， Ｈ ｅ ｆ ｅ ｉ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ｏ ｆ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ， Ｈ ｅ ｆ ｅ ｉ Ａ ｎ ｈ ｕ ｉ ２ ３ ０ ０ ０ ９ ， Ｃ ｈ ｉ ｎ ａ ）
（ 合肥 工业 大学计算机与信息学院，安徽 合肥 ２ ３ ０ ０ ０ ９ ）
摘
要 ：对 于人群仿 真 中的人 物 角 色来说 ，如 果所有 的虚 拟人物 外观都 一样 ，那 么
就会 给人 简单 复制 品的 感觉 ，真 实感较 差。研 究人 群 角 色外观 的 多样性 问题 ，分 别从 角色模
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｉ ｎ ｃ ｒ ｏ ｗｄ ｓ ｉ ｍｕ ｌ ａ ｔ ｉ ｏ ｎ ． ｉ ｆ ａ ｌ ｌ ｏ ｆ ｔ ｈ ｅ ｖ ｉ ｒ ｔ ｕ ａ ｌ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｓ ｌ ｏ ｏ ｋ ａ ｌ ｉ ｋ ｅ ． ｉ ｔ ｗｉ ｌ ｌ ａ ｐ ｐ ｅ ａ ｒ ｔ ｏ ｂ ｅ ｃ ｌ ｏ ｎ ｅ ｓ ａ ｎ ｄ ｌ ａ ｃ ｋ ｒ ｅ ａ ｌ ｉ ｔ ｙ ａ ｓ ｉ ｎ ｒ ｅ ａ ｌ ｗｏ ｒ ｌ ｄ ． Ｔ ｈ ｅ ｐ ａ ｐ ｅ ｒ ｓ ｔ ｕ ｄ ｉ ｅ ｓ ｔ ｈ ｅ ｄ ｉ ｖ ｅ ｒ ｓ ｉ ｌ ｆ ｅ ｄ ａ ｐ ｐ ｅ ａ ｒ ａ ｎ ｃ ｅ ｏ ｆ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｓ ｆ ｒ ｏ ｍ ａ ｓ ｐ ｅ ｃ ｔ ｏ ｆ ｍｏ ｄ ｅ ｌ ｓ ，ｔ ｅ ｘ ｔ ｕ ｒ ｅ ｓ ，ｐ ｏ ｓ ｔ ｕ ｒ ｅ ｓ ａ ｎ ｄ Ｓ Ｏ ｏ ｎ ．Ｔ ｈ ｅ ｐ ａ ｐ ｅ ｒ ｒ ｅ ａ ｌ ｉ ｚ ｅ ｓ ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｍｏ ｄ ｅ ｌ ｄ ｉ ｆ ｅ ｒ ｅ ｎ ｔ ｉ ａ ｔ ｉ ｏ ｎ ｂ ｙ ｕ ｓ ｉ ｎ ｇ Ｈａ ｓ ｌ ｅ ｒ ｍｏ ｄ ｅ ｌ ｌ ｉ ｂ ｒ ａ ｒ ｙ ， ａ ｃ ｈ ｉ ｅ ｖ ｅ ｓ ｄ ｉ ｖ ｅ ｒ ｓ ｉ ｉｃ ｆ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｔ ｈ ｅ ａ ｐ ｐ ｅ ａ ｒ ａ ｎ ｃ ｅ ｂ ｙ ｔ ｅ ｘ ｔ ｕ ｒ ｅ ｔ ｅ ｍｐ ｌ ａ ｔ ｅ ｓ ， ａ ｎ ｄ ｏ ｂ ｔ ａ ｉ ｎ ｓ ｔ ｈ ｅ ｖ ａ ｒ ｉ ｏ ｕ ｓ ｐ ｏ ｓ ｔ ｕ ｒ ｅ ｓ ｂ ｙ ｓ ｋ ｅ ｌ ｅ ｔ ｏ ｎ ｅ ｍｂ ｅ ｄ ｄ ｉ ｎ ｇ ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ ｆ ｏ ｒ ｔ ｈ ｅ ｍｏ ｄ ｅ １ ． Ｔ ｈ ｅ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｔ ｈ ｅ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ｍｅ ｔ ｈ ｏ ｄ ｃ ａ ｎ ｇ ｅ ｎ ｅ ｒ ａ ｔ ｅ ｐ ｌ ａ ｕ ｓ ｉ ｂ ｌ ｅ ｖ ｉ ｒ ｔ ｕ ａ ｌ ｃ ｒ ｏ ｗｄ ｗｉ ｔ ｈ ｇ ｏ ｏ ｄ ｄ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ．
Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ： ｃ ｒ ｏ ｗｄ ｓ ｉ ｍｕ ｌ ａ ｔ ｉ ｏ ｎ ； ｃ ｒ ｏ ｗｄ ｄ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ； ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｓ ｍｏ ｄ ｅ ｌ ； ｃ ｈ ａ ｒ ａ ｃ ｔ ｅ ｒ ｓ ｔ ｅ ｘ ｔ ｕ ｒ ｅ ； ｗａ ｌ ｋ ｉ ｎ ｇ