- 综合排序
- 最热优先
- 最新优先
- 来自专栏Leaflet
时空碰撞之当Leaflet遇到Echarts
针对一些时空类的场景，比如需要跟随GIS地图一起进行图表展示，如何在地图上集成图表插件。 leaflet-echarts3 github地址。有兴趣朋友可以独立下载。2、依赖插件说明 在Leaflet-charts中，其依赖的组件包还是比较少的。 二、页面集成1、新建html页面 在个人电脑任意盘符中新建index3.html，关键代码如下：<! subdomains: "1234" })]), "立体地图": L.tileLayer('https://a.tiles.mapbox.com/v3/ 3、Echarts与地图集成 经过第二个步骤的初始化，已经完成Leaflet地图的定义，在这里进行Echarts地的集成。
5000编辑于 2026-05-15 - 来自专栏拂晓风起
Flex Actionscript 3 小球碰撞 多球碰撞
没怎么玩过图形学，最近都需要做，又要复习物理和数学了~~~ 以下是初成的作品，其实最终目的也不是这个球碰撞了，只是试试，有bug~~（就是球会偶尔粘在一起，是因为速度太快） 需要解决粘连问题，就需要加入 “下一点位置”来做提前的碰撞预判。 可以简单加入下一点标记一下，在Ball类中，加EnterFrame监听，每一帧计算下一帧的位置，然后碰撞的测试函数改为使用nextX和nextY计算，而不是x和y。 ball.y < 0) || (ball.y + 2*ball.radius > 500)) { ball.speed.y *= -1; } //检测所有MC之间是否有碰撞 } //移动一个“增量” ball.x += ball.speed.x; ball.y += ball.speed.y; } } //碰撞函数
1.5K40发布于 2018-07-03 - 来自专栏每日一篇技术文章
碰撞以及如何检测碰撞详解
本节的学习目标 如何设置两个物理之间碰撞,有如何让两个物体不能进行碰撞 怎么能检测到两个物体进行了接触(注意是接触不是碰撞) ---- 解析 让学习成为一种习惯 首先确定一个问题: 是要用A去碰撞B 还是B 去碰撞A？ 我用A去碰撞B 来讲解这个问题 能够实现物理碰撞的前提条件是什么? ) 表示节点的物体身体允许被那些分类的物理身体碰撞 0b101 A 要去碰撞B, 如果要产生碰撞效果应该怎么设置呢? open var nodeA: SCNNode { get } // 主动碰撞的物体 这里指的是上面例子的球体 open var nodeB: SCNNode { get } // 碰撞点的世界坐标 open var contactPoint: SCNVector3 { get } // 碰撞点的法线 open var contactNormal: SCNVector3 { get } // 碰撞的力度
1.6K10编辑于 2022-05-13 - 来自专栏新智元
3个思想实验撕裂时空！实验证实：人类居住时空并非物理实体，而是近似
文章探讨了关于时空结构的一些思想实验，这些实验挑战了我们对宇宙的基本理解。 文中指出，我们所居住的宇宙的时空结构似乎并不是无法再进一步分解的最基础单位，而是某种更深层次事物的近似。 随着物理学家总结出对现实进一步理解的更基本单位，现有的时空结构概念最终将被取代。 文中提出了3个思想实验来论证这一观点。 这些思想实验表明，我们所居住的宇宙的时空结构在极端情况下可能会崩溃。 思想实验1：缩小对时空的观察 这个思想实验分析了物理定律在越来越小的距离尺度下的表现。 物理学家通过让粒子相互碰撞来研究物理定律。粒子具有波的性质，它们的能量越高，波长就越短。 然而，如果粒子的碰撞在足够小的区域内聚集了足够多的能量，粒子会形成一个黑洞，永远无法到达探测器。 所以存在一个最小距离——称为普朗克长度——低于这个尺度，我们无法获取数据。 思想实验3：存储信息 这个思想实验探讨了「在一个固定的时空区域中尽可能多地存储信息」后，可能发生的情况。 首先，想象在一个区域内——比如一间房间——放满书籍。书页上可以记录多少信息？
22100编辑于 2025-02-14 - 来自专栏MeteoAI
【时空序列预测第六篇】时空序列预测模型之EIDETIC 3D LSTM（结合3DConv与RNN）
_eidetic3d.pdf ? 二、Introduction 2.1 3DCNN和RNN模型 3DCNN和RNN模型都用于时空序列预测上，之后呢，大家肯定会想两个模型简单得做一下前向的连接会不会更有效果呢？ 三、EIDETIC 3D LSTM 3.1 在循环神经网络中的3D-CNN结构 把3D-CNN与RNN结合处理序列问题，可以有以下两种结构 ? 注：黑色箭头就是普通的数据格式和维度，而蓝色的是代表通过3D-CNN的方式来传递的。 提出了一个更深的组合，将3D-Conv集成在LSTM内，以便将卷积特征纳入随时间变化的递归状态转换中。 ?
1.7K50发布于 2020-06-19 - 来自专栏机器学习、深度学习
时空特征--Learning Spatiotemporal Features with 3D Convolutional Networks
/c3d/ https://github.com/facebook/C3D 本文使用 3D CNN 来分析视频序列，学习到的时空特征称之为 C3D，主要寻找3D CNN 中的最优3D滤波器结构 视频数据的分析是一个很重要的工作 我们的 C3D是多才多艺的： ? 3 Learning Features with 3D ConvNets 3.1. 3D convolution and pooling 我们相信 3D CNN 网络适合于时空特征的学习，和 2D CNN 网络相比，3D ConvNet 通过3D 卷积和 3D 池化 可以对时间信息进行建模。 我们用这个网络提到的特征称之为 C3D ? ?
1.6K100发布于 2018-01-03 - 来自专栏C语言及其他语言
台球碰撞
受撞击后，球沿极角为a的射线（即：x正半轴逆时针旋转到此射线的角度为a）飞出，每次碰到球桌时均发生完全弹性碰撞（球的速率不变，反射角等于入射角）。 ?
1.6K60发布于 2018-04-18 《3D古城场景角色碰撞优化的实战指南》
（如直径3cm的青铜饰件、厚度2cm的瓦片，玩家几乎无法感知这些物体的碰撞）；另一方面，陶罐这类可破坏物体采用“实时破碎物理计算”，每破碎一个陶罐需生成15+独立碎片并计算碰撞力、摩擦系数，瞬间拉高CPU 首先，我们在离线阶段用Blender结合PhysX破碎工具，为陶罐预生成3套差异化破碎模型：轻度破碎（5-8片碎片，保留陶罐主体轮廓，适用于轻微碰撞）、中度破碎（9-12片，主体分裂为2-3块，适用于正常踩踏 在移动端测试中（天玑8100机型），连续破碎20个陶罐，帧率波动从8-10帧缩小到2-3帧，且未出现碎片穿模（通过资源池实例的碰撞体预校验，确保碎片位置不重叠）。 移动端适配是开放世界3D开发的重点难点，古城废墟场景的物理碰撞在中端机型（如天玑8100、骁龙778G）上初期表现不佳：角色走在南大街石阶上时，因石阶碰撞体精度过高（面数150+，包含台阶边缘的磨损细节 ，如将南大街地面散落的42个独立陶罐，按3×3的网格合并为6个“陶罐簇”碰撞体，每个簇包含7-8个陶罐，碰撞检测次数从42次/帧降至6次/帧，计算耗时减少70%。
30410编辑于 2025-10-20- 来自专栏CreateAMind
高能碰撞中的粒子碰撞与量子纠缠
高能碰撞中的粒子碰撞与量子纠缠 Particle Collisions & Quantum Entanglement in High-Energy Collisions https://arxiv.org /pdf/2509.07585 摘 要 对基本量子现象（如纠缠和贝尔不等式破坏）的探索——此前已在低能区域得到广泛研究——最近已扩展至高能粒子碰撞领域。 特别是，对于一个双粒子系统，若各方局域于类空间隔的时空区域中，则总存在某个量子态会导致相应贝尔不等式的最大破坏[23–28]。 在高能物理中，也可通过对撞机上的基本粒子碰撞研究量子纠缠与非局域性。 在此类变换下，贝尔算符按如下方式变换： 其中 U 和 V 是维度为 3×3 的独立幺正矩阵。这一过程实质上代表了对每个量子三态上的测量所施加的局域基底旋转。 ATLAS [77] 和 CMS [78, 79] 合作组最近分析了 13 TeV 的质子-质子碰撞数据，并从公式 (74) 中的微分截面提取了 D 的值。
24510编辑于 2026-03-11 - 来自专栏时空探索之旅
ICLR 2026 | 时空数据(Spatial-Temporal)论文总结（物理时空和气象时空：气象预测，时空点过程等）
本文总结了ICLR 2026时空数据（Spatial-Temporal）的论文，总计36篇，本文涉及13篇，如有疏漏，欢迎补充。 注：由于论文数目较多，分为上下篇，基于数据生成机制与应用场景的本质差异对论文进行分类： 上篇主要涵盖交通时空数据以及城市科学等内容，包括交通预测，人群移动，轨迹挖掘，交通模拟，自动驾驶，信号控制等内容。 下篇主要涵盖：气象时空和物理时空，如气象预测，时空点过程，时空动力系统等 观察：下篇文章统计值 最大均分 均值 最小均分 7 5.31 4 其中均分≥6的有3篇。 1. 3 均分：5.5 推荐阅读 ICLR 2026 | 时空数据(Spatial-Temporal)论文总结[上]【交通与城市科学：交通预测，轨迹挖掘，交通模拟，自动驾驶等】 ICLR 2026 | 时间序列 欢迎各位作者投稿近期有关时空数据和时间序列录用的顶级会议和期刊的优秀文章解读，我们将竭诚为您宣传,共同学习进步。如有意愿,请通过后台私信与我们联系。 如果觉得有帮助还请分享，在看，点赞
51810编辑于 2026-03-10 - 来自专栏秘籍酷
跨越时空的……
这个段子，跟我要说的其实也没什么关系，只是突然联想起来。昨天情人节，GitHub 将其导航栏由以下这样的风格：
52030发布于 2019-08-08 - 来自专栏新智元
训练速度远超3D CNN，提速3倍！Facebook首发「时空版」Transformer
视频剪辑上限可达几分钟，远远超过当下最好的3D CNN，且成本更低。 此外，与现代3D 卷积神经网络(CNN)相比，TimeSformer 的训练速度提高了大约3倍，推理所需计算量不到原来的十分之一。这是支持需要实时或按需处理视频的应用程序的重要一步。 分时空注意力 传统的视频分类模型利用3D 卷积滤波器。虽然这些滤波器在捕捉局部时空区域内的短期模式方面有效，但是它们不能对超出其接受域的时空依赖关系进行建模。 传统的3D卷积神经网络由于需要在视频的所有时空位置上使用大量的滤波器，所以计算成本也很高。 此外，该研究发现分时空注意不仅比联合时空注意更有效率，而且更准确。 ?
1.3K10发布于 2021-03-24 - 来自专栏iSharkFly
Java Hash 碰撞
Hash CollisionHash Collision 就是我们说的 Hash 碰撞或者 Hash 冲突。 HashMap 集合需要解决的问题就是如果出现了 Hash 碰撞后，怎么去做。 使用的方法就是使用 Hash 链表的方式，但是有时候这个碰撞的情况比较多，比如说有 10 多个输入数据都有相同的 Hash 值。
88230编辑于 2022-12-01 - 来自专栏四火的唠叨
观点的碰撞
3、用户是上帝？ 程序员应该首先去关心用户的需求和体验吗？如果用户不喜欢，你那些再华丽的技术又有何用？ 是啊，多么正确的话。 牛逼的架构师回答我说，如果放到数据库里有 1、2、3 三条好处，也会带来 4、5、6 三条坏处；但是如果放到文件里，则存在 a、b、c 三条优点，以及 d、e、f 三条缺点。
63910编辑于 2022-07-15 - 来自专栏博思奥园
【算法】行星碰撞
找出碰撞后剩下的所有行星。碰撞规则：两个行星相互碰撞，较小的行星会爆炸。如果两颗行星大小相同，则两颗行星都会爆炸。两颗移动方向相同的行星，永远不会发生碰撞。 测试用例： 示例 1: 输入：asteroids = [5,10,-5] 输出：[5,10] 解释：10 和 -5 碰撞后只剩下 10 。5 和 10 永远不会发生碰撞。 示例 2： 输入：asteroids = [8,-8] 输出：[] 解释：8 和 -8 碰撞后，两者都发生爆炸。 示例 3： 输入：asteroids = [10,2,-5] 输出：[10] 解释：2 和 -5 发生碰撞后剩下 -5 。10 和 -5 发生碰撞后剩下 10 。 queue, num) } 遍历整个数组： for index := range asteroids { compareAndPush(asteroids[index]) } 源代码：行星碰撞
99230编辑于 2022-11-11 - 来自专栏python知识
碰撞检测
通常一个游戏中会有很多对象出现，而这些对象之间的“碰撞”在所难免，比如炮弹击中了飞机、箱子撞到了地面等。 碰撞检测在绝大多数的游戏中都是一个必须得处理的至关重要的问题，pygame的sprite（动画精灵）模块就提供了对碰撞检测的支持，这里我们暂时不介绍sprite模块提供的功能，因为要检测两个小球有没有碰撞其实非常简单
1.3K30发布于 2021-05-19 - 来自专栏iSharkFly
Java Hash 碰撞
Hash Collision Hash Collision 就是我们说的 Hash 碰撞或者 Hash 冲突。 HashMap 集合需要解决的问题就是如果出现了 Hash 碰撞后，怎么去做。 使用的方法就是使用 Hash 链表的方式，但是有时候这个碰撞的情况比较多，比如说有 10 多个输入数据都有相同的 Hash 值。
69720编辑于 2022-12-03 - 来自专栏前端西瓜哥的前端文章
快速检索碰撞图形：四叉树碰撞检测
四叉树碰撞检测原理 我们将区域的分割表述为 “节点”，因为是四叉树； 将画布上的真实图形就叫做 “图形”。 （原来的区域转换为索引层，真正保存节点的地方放到了它的子区域上） 当我们提供一个碰撞矩形，我们从四叉树顶节点往下找，看是否有子节点。如果有，使用矩形碰撞算法找出它所在的子节点有哪些（可能有多个）。 这些图形就是碰撞矩形可能相交的矩形，但相对所有图形，又不至于太多。 四叉树碰撞检测算法 先看看经典算法实现。 算法我就不自己实现了，这里展示 quadtree-js 库的代码实现。 subHeight, }, this.max_objects, this.max_levels, nextLevel ); // 右下 this.nodes[3] indexes.push(2); } // bottom-right quad if (endIsEast && endIsSouth) { indexes.push(3)
1.8K20编辑于 2022-12-21 - 来自专栏HT
基于 HTML5 Canvas 的 3D 碰撞检测
本文例子：http://www.hightopo.cn/demo/3drotate/3d-rotate.html 首先让我们来看下这个案例： ? dm = new ht.DataModel(); g3d = new ht.graph3d.Graph3dView(dm); g3d.setGridVisible(true);//设置网格可视 g3d.setGridSize (m);//设置网格大小 g3d.setGridGap(w);//设置网格间距 g3d.setEye([-200, 150, 200]);//设置camera位置 g3d.getView().className 虽然我认为这一行在这个例子中没有什么作用，但是还是让我好好学习了一把碰撞测试。 我们在碰撞测试的时候经常要设置 g3d.setNear 函数，我实在没搞懂这个函数是拿来干嘛的，结果这个例子让我注意到，如果“我”的视线的近端截面位置也就是 setNear(1)，那么我能看到的就是比表面跟进
1.3K50发布于 2018-01-03 - 来自专栏3D视觉从入门到精通
STRL：3D 点云的时空自监督表示学习
针对3D场景理解的复杂性质，及其由相机视图、照明、遮挡等带来的巨大变化，该论文通过引入时空表示学习（STRL）框架来解决这一挑战。 一个自然的问题出现了：如何引入和利用 3D 点云的不变性来进行自监督学习？ 设计实现：为了学习不变性表示，探索了嵌入在 3D 点云中的不可分割的时空上下文线索。 3.STRL框架的解析 图1：方法概述。通过从点云序列中学习时空数据不变性，自监督地学习了一种有效的表示。 给定两个时空相关的 3D 点云： 1）在线网络通过预测器预测目标网络的表示； 2）目标网络的参数由在线网络的移动平均线更新。 3）时空线索提高了学习表示的性能。仅依靠空间或时间增强只会产生相对较低的性能。相比之下，通过学习结合空间和时间线索的不变表示，将准确度提高了 3%。
1.2K40编辑于 2023-04-29
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