- 综合排序
- 最热优先
- 最新优先
- 来自专栏实时云渲染
实时云渲染助力全息影像突破终端算力瓶颈
突破全息影像性能瓶颈的关键技术在全息影像实时渲染中，算力与传输等性能瓶颈突出。云端GPU资源池化与弹性调度成为应对算力挑战的利器，这也是实时云渲染技术的核心能力。 成功打破终端算力壁垒，得以实现全息直播与实时交互体验。观众无论使用何种终端设备，都能流畅观看全息直播内容，并参与实时交互，大大提升了用户体验，为全息技术的广泛应用开拓了新的可能。 全息技术应用商业化前景依托实时云渲染技术，全息应用可以从小范围、专业性的应用场景，扩大到面向消费者的日常生活场景。 历史影像的分辨率与帧率往往无法满足全息演出的需求，而实时特效的开发成本与复杂度也让许多主办方和开发方望而却步。 而平云行LarkXR支持8K超高清渲染和实时特效互动，让开发者能够轻松打造出震撼的全息表演，甚至"复活"经典艺术家。
53110编辑于 2025-03-20 - 来自专栏星河造梦坊专栏
小功能⭐️Unity2018 Shader Graph——全息影像、物体消融
Math：数学相关函数 Procedural：在ShaderGraph中程序化的生成噪音贴图、形状贴图 Utility：逻辑与或等 UV：UV相关功能 利用ShaderGraph实现的特效 1️⃣全息影像 滚动Tiling And Offset—Offset的Y值，发现此时输出显示有了波纹的效果 实现全息影像的滚动效果 创建Time节点、Vector2节点以及Multiply节点，Multiply节点将
55610编辑于 2024-08-16 - 来自专栏媒矿工厂
全息视频通话
来源：Demuxed 主讲人：Nitin Garg 内容整理：王秋文 这篇演讲针对全息视频通话进行了介绍：演讲者在对全息视频通话目前的整体架构进行了概述的基础上，指出了当前在便携式设备上实现全息视频通话面临的主要挑战和后续可以解决这些困难的思路 目前，全息通话在 AR 中的实现更成熟，但其也可以通过 VR 、手机和笔记本电脑实现。在这篇演讲中，演讲者主要介绍了全息通话的宏观架构和实现时需要克服的技术挑战两个方面。 图2 实际情况下的全息系统示意图 全息系统的整体宏观架构如图 3 所示。首先，发送端的相机和传感器分别捕捉该视角下的 RGB 纹理图像和深度数据，并将这些数据结合构成三维点云。 其次，全息通话需要高比特率，这会增加空中接口延迟和排队延迟，并需要一个更大的缓冲区。因此，减少端到端时延这一问题在全息通话中相比其他环境下更具有挑战性。 这个问题不仅出现在全息通信中，但全息通信的比特率是二维通信的两到三倍。因此，我们需要优化带宽估计算法和传输协议，以减少时延并提高带宽利用率。
2.7K10编辑于 2022-04-11 - 来自专栏TSW
TSW的全息日志与全息抓包
全息日志的目的是为了方便开发者实时查看log，加快问题定位的效率。 全息日志查看方式如下： ? （图1：全息日志截图） 通过全息日志，我们可以很方便的实时的查看用户的访问nodejs时服务器的实时log。简直是定位问题的神器。 （参考图1） 全息抓包了解一下： 现实中抓包的软件中比较著名的有几个：Fiddler、wireshark、Whistle等。 回到全息抓包，我们定义的全息抓包为：当前用户的http会话+服务器跟后端服务器的http会话（不一定是http协议，但是本文只讨论http的）。 我们先来看下现代的web服务的架构： ? （欲知细节，建议阅读TSW源码） 利用全息日志+全息抓包还原用户现场： 有了全息日志+全息抓包，我们就有了完整的用户现场。
1K40发布于 2019-04-19 - 来自专栏TSW
TSW的全息日志与全息抓包
但是对于一个满足亿级访问需求的大规模企业级的系统，仅仅是将运行时的输出的日志保存下来是远远不够的，因此，从开发者的角度来讲，我们实现了全息日志。 全息日志的目的是为了方便开发者实时查看log，加快问题定位的效率。 全息日志查看方式如下： （图1：全息日志截图） 通过全息日志，我们可以很方便的实时的查看用户的访问nodejs时服务器的实时log。 （参考图1） 全息抓包了解一下： 现实中抓包的软件中比较著名的有几个：Fiddler、wireshark、Whistle等。 回到全息抓包，我们定义的全息抓包为：当前用户的http会话+服务器跟后端服务器的http会话（不一定是http协议，但是本文只讨论http的）。 （欲知细节，建议阅读TSW源码） 利用全息日志+全息抓包还原用户现场： 有了全息日志+全息抓包，我们就有了完整的用户现场。
1.1K70发布于 2018-07-19 - 来自专栏新智元
微软HoloLens全息影像造出第二个你，张口飙外语无需同声传译
通过Azure、全息扫描以及HoloLens，VP Julia White不仅在HoloLens里生成真假难辨的影分身，而且直接用日语进行演讲，声音也和真身一致！ HoloLens？那是什么东西。 在的公司举办的Inspire活动中，微软利用Azure AI加持的HoloLens，创造了一个微软VP Julia White的全息分身，代替真人进行日语演讲。 这可比鸣人的影分身厉害多了！ 在这里，微软为工作室配备了照明设备和高分辨率相机，可以捕捉到人体完整准确的数字全息图。这些设备和所需的计算量，可不是在家里用电脑和手机就能轻松完成的。 全息图不算是很新的东西，微软很久以前就展示过HoloLens的真人全息影像。不过这次给HoloLens加上语音合成和机器翻译，开启了HoloLens新的技能。
54150发布于 2019-07-22 - 来自专栏全栈程序员必看
GEE平台 landsat8影像全波段下载
//选择Landsat8 SR数据集 var l8 = ee.ImageCollection(“LANDSAT/LC08/C01/T1_SR”) Map.centerObject(roi, 8 ); //Landsat8 SR数据去云 function rmL8Cloud(image) { var cloudShadowBitMask = (1 << 3); var = l8.filterBounds(roi) .filterDate(“2016-1-1”, “2017-1-1”) .map( rmL8Cloud); print(“l8Imgs”, l8Imgs); Map.addLayer(l8Imgs, {min:0, max:3000, bands:[“B4″,”B3″,”B2 ”]}, “l8Imgs”); Map 发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/163510.html原文链接：https://javaforall.cn
1.8K20编辑于 2022-09-15 - 来自专栏全栈程序员必看
全息投影技术的实现_自制全息投影视频素材
（编译：Torres）我们都一直期待能够用智能手机来投射出全息影像，不过显然现在的智能手机早就具备这样的潜质，只不过你还不知道而已。 下面我们一起探讨全息投影技术及其原理 全息技术是利用干涉和衍射原理记录并再现物体真实的三维图像的记录和再现的技术。 全息投影是什么？ 3D全息投影技术原理 ---- 3D全息立体投影设备不是利用数码技术实现的，而是投影设备将不同角度投影至进口的MP全息投影膜上，让你看不到不属于你自身角度的其它图像，因而实现了正真的3D全息立体影像 形成空中幻象中间可结合实物，实现影像与实物的结合。也可配加触摸屏实现与观众的互动。360度的适合展示单件的贵重物品，观众可以从任意角度观看。它真正呈现3D的影像。 在特定软件制作方法下，全息互动展示系统还可提供浮动在玻璃上的特殊影像效果，为客户呈现强烈的视觉震撼力。
1.1K10编辑于 2022-09-20 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine（GEE）——Landsat8 影像梯度计算
先看图像： 方向 梯度 直接看代码： //加载 Landsat 8 图像并选择全色波段。 var image = ee.Image('LANDSAT/LC08/C01/T1/LC08_044034_20140318').select('B8'); // 用内置函数直接，计算 X 和 Y 方向的图像梯度
30210编辑于 2024-02-01 - 来自专栏DrugOne
. | 定量快、全自动、不染色：全息影像+深度学习让病毒无所遁形
定量相位成像（Quantitative Phase Imaging，QPI）、全息影像以及深度学习的一些最新进展为解决这一需求提供了机会。 本文一共收集了357个真阳性全息视频和1169个阴性全息视频用于训练PFU决策神经网络。 该数据集经过进一步增强后创建了2594个阳性全息视频和3028个阴性全息视频，其中每帧为480 × 480像素，两个连续全息帧之间的时间间隔为1小时。 图5b：不同时间点不同高病毒浓度样本的病毒感染区域面积 为了更好地说明这一点，如图5c所示，本文绘制了所有样品在6小时、8小时和10小时培养时间下的病毒稀释系数与每个测试孔感染细胞面积的比例（单位：%） 图5c：在培养6小时、8小时和10小时时，所有5个滴度样品的病毒稀释系数与每孔感染细胞面积的比值（单位：%）图 此外，使用病毒感染区域的面积百分比作为无标记量化度量，所提出的框架可以提供早期的PFU读数
55530编辑于 2023-09-19 - 来自专栏移动机器人
大象机器人开源六轴机械臂myCobot 320全息投影
在医疗领域，全息技术被广泛用于医学诊断和手术中，通过呈现高分辨率的三维影像，医生可以更加精准地观察病情，提高了诊断和手术的效果。 这里是DSee-65X的视频介绍 https://youtu.be/UDXlNgjwQ8c myCobot 320 M5Stack-Base 2022 myCobot 320 M5Stack-Base 87%82-%E8%8B%B1%E6%96%87%E7%89%882.m4v 介绍完两个设备，接下来实现将全息设备跟机械臂像结合共同工作。 这个项目操作起来十分的简单，可以分为两个步骤， 1 将DSee-65X安装在myCobot 320 的末端 2 控制myCobot320 做一个优美得轨迹来展示全息影像 Project 安装 DSee- 每个DSee设备都有专属的局域网，用电脑连接上同一个局域网就可以让全息设备启动了。 下图就是整个过程了 总结 整个流程下来看着只是机械臂充当一个支撑，展示着全息影像设备。
1.3K40编辑于 2023-03-10 - 来自专栏媒矿工厂
[IDEA Session 1] Immersive Future
5 Key Technology Elements： 这是第一次使用10G有线网络来对全息影像进行传输，因此该团队在5个关键方面进行研究，来支撑这次demo顺利进行： 1) Light Field Scene 具体来说，就是使用10G网络来传输一个可交互的全动态（full motion）全息影像，在最新的全息显示器上播放，并允许用户使用手势来对影像内容进行实时交互和操纵，这是史无前例的。 为了达到一定的视觉保真度，设计团队决定传输分辨率为8k*8k的视频流，这也是目前Looking Glass Display VLC Player支持的最高分辨率之一。 在经过大量测试后，他们发现Nvidia的NVENC HEVC能在可容忍的延时下对8K全息影像进行解码，此外，他们的解码器使用了2080Ti的GPU进行加速。 2）如何在不造成显著压缩效应的前提下对全息影像进行传输？ 原始视频流的信息量在50Gb/s左右，因此如何在不引入明显的压缩效应前提下，将其带宽占用压缩到可接受范围也是一个难题。
69310发布于 2021-03-10 - 来自专栏镁客网
别再对SiRi耍流氓了，来自星球大战7的机器人比它牛多了！
智能玩具品牌Sphero就于近日推出了《星际大战7》BB-8微型遥控机器人，这款代号Sphero BB-8，其体积虽小功能强大：手机控制，智能语音互动，磁力连接，自动巡航功能，全息影像技术，内置原声完美还原 BB-8真身视频······ 五 大玩点 1、智能语音互动 BB-8作为一款智能机器人，内置了顶尖硬件，拥有对语音的精准识别，比如玩家城说“跑”或“停”时，BB-8便会随跑随停，可精准反应玩家的每一个操控动作 2、全息影像技术 同时，它还擅长制作和发送虚拟全息影像，BB-8还可以发出电影般的嗡鸣声，增强现实技术，还可以模拟电影录制“全息影像”视频，就像莱娅公主一样，与朋友用全息投影的方式分享趣闻，让沟通炫酷无限 4、智能手机遥控 Sphero BB-8使用智能手机作为遥控器，控制这台机器人在空间内移动。玩家还可通过APP来驾驭BB-8，指挥它前往各个目的地。 12月12日，BB-8将在京东及天猫腾讯智能设备旗舰店火爆发售。玩家即日起在京东旗舰店将BB-8收入购物车，还可直降200元，以998元的超低价格把BB-8领回家。
69450发布于 2018-05-25 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine（GEE）——Landsat8 TOA 影像去云
上一篇文章写了如何去除Landsat 8 SR数据，这一片主要是讲一下如何去除Landsat8 TOA 影像。 除云前影像： 除云后影像： 代码： // 建立函数还是选择BQA波段 var maskL8 = function(image) { var qa = image.select('BQA'); quality-assessment-band var mask = qa.bitwiseAnd(1 << 4).eq(0); return image.updateMask(mask); } // 在一年的Landsat 8 ee.ImageCollection('LANDSAT/LC08/C01/T1_TOA') .filterDate('2016-01-01', '2016-12-31') .map(maskL8)
77410编辑于 2024-02-01 - 来自专栏疯狂学习GIS
遥感影像依据分幅号的8天合成：Python实现
本文介绍基于Python中的ArcPy模块，将大量遥感影像文件按照分幅条带编号与成像时间加以分组，并将同一分幅的遥感影像加以每个8天时间间隔内的镶嵌拼接的方法。 首先，来看一下本文具体的需求。 我们希望实现的是，从2022年第001天开始，到第365天结束，对于每1个分幅，将其每1个8天时间范围内的所有遥感影像（无论是来自哪一个传感器）拼接在一起。 在之前的文章中，我们介绍过在GEE中计算每1个8天时间间隔内遥感影像数据平均值的方法；而这一次我们将基于Python，将每1个8天时间间隔内遥感影像拼接起来。 本文所用到的代码如下。 ，从而将每1种分幅中，处于同1个8天时间间隔的遥感影像放在一起；for循环遍历image_list中的每个影像文件，并使用正则表达式re.search提取影像文件名中的日期信息——其中，需要提取年份image_year 完成字典的确定后，相同分幅号且落在同1个8天时间间隔内的遥感影像数据，即可被存入同1个字典中。接下来，即可开始拼接；如下图所示。
56610编辑于 2024-09-11 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
Google Earth Engine（GEE）——Landsat8影像数组排序和归约
var bandNames = ee.List(['B2', 'B3', 'B4', 'B5', 'B6', 'B7', 'B10', 'B11']); // 加载 Landsat 8 影像集合。 // 这将为每个图像添加一个名为“cloud”的云尽心简单给这个点影像是否有云评分来对比。 Map.centerObject(roi, 12); Map.addLayer(meanImage, {bands: ['B5', 'B4', 'B2'], min: 0, max: 0.5}); 影像结果
41710编辑于 2024-02-02 - 来自专栏二猫の家
【GEE】下载研究区的Landsat8去云清晰影像
如果你要绘制研究区概况或者是做一个产品的比较 需要整个研究区的Landsat8影像的话 你可以使用下面代码 // 定义研究区域 var table = ee.FeatureCollection mask_all) } //去云算法 // 设置日期范围 var startDate = '2020-06-01'; var endDate = '2020-09-01'; // 加载Landsat 8数据集 min: 0.0, max: 3000, bands: ['B4', 'B3', 'B2'], }; Map.addLayer(meanImage, RGB_show, 'Landsat 8 Merged Image'); // 导出融合影像到Google Drive Export.image.toDrive({ image: meanImage, description: 'Landsat8 ，追求没有云的效果 你可以适当的调整时间，来看看哪一张那个融合后的影像效果最好 // 设置日期范围 var startDate = ‘2020-06-01’; var endDate = ‘2020
1.3K10编辑于 2024-04-10 - 来自专栏全栈程序员必看
ENVI5.3.1使用Landsat 8影像进行图像融合「建议收藏」
数据介绍及数据其他操作详见此博客 ENVI5.3.1使用Landsat 8影像进行预处理及分析实例操作 单一传感器获取的图像信息量有限，往往难以满足应用需要。 《遥感原理与应用》（第三版）孙家抦 1.数据获取与处理软件 数据采用Landsat8 OLI于2020年3月19日获取的郑州地区卫星图像，文件命名为LC08_L1TP_124036_20200319 _20200319_01_RT，具体含义参见我的上一个博客 软件使用ENVI 5.3.1 2.打开图像 Landsat8 的多光谱波段空间分辨率为30m，全色波段空间分辨率为15m，因此可以把全色波段融合到多光谱波段以提高空间分辨率
9.3K20编辑于 2022-09-15 - 来自专栏二猫の家
Google Earth Engine 下载遥感影像——以Landsat 8数据为例
3.2.1 绘制感兴趣区 3.2.2 加载landsat 8数据集 3.3 影像的预处理 3.3.1 剔云处理 3.3.2 影像裁切 4、GEE影像上传和导出 4.1 上传本地文件 4.2 在GEE addLayer(dataset, visualization, 'Landsat8'); 3.3 影像的预处理 3.3.1 剔云处理 可以看到符合该时间段的影像已经被调用并且加载在地图上 ---- 4.2 在GEE上导出影像数据 最后，我们将所选择的遥感数据导出，代码如下： //导出L8影像 Landsat8 all bands loop to Drive clip(roi); //导出L8影像 最后想说一句，其实 在进行landsat 8 影像数据预处理的时候就可以发现，GEE的一个强大之处在于其可以很方便的自动获取遥感影像，并且直接在上面进行处理和分析。
8K51编辑于 2022-12-05 - 来自专栏SeanCheney的专栏
普华永道全息图解机器学习
8、9 长短期记忆（Long short-term memory，LSTM）与门控循环单元神经网络（gated recurrent unit nerual network）：早期的 RNN 形式是会存在损耗的
86430发布于 2021-01-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号