- 综合排序
- 最热优先
- 最新优先
面向AI时代的程序化建模
一、什么是程序化建模传统建模常通过移动顶点、拉面、雕刻等方式直接修改网格。程序化建模则先写清生成规则，再由程序计算出网格。以汽车为例，脚本会描述车长、车宽、车高、轴距、轮胎尺寸、车窗位置等参数。 二、什么是程序化贴图程序化贴图不是直接保存一张固定图片，而是用噪声、颜色渐变、图案、遮罩和材质规则计算表面。例如生锈金属可以这样理解：底层是金属颜色。凹陷和边缘使用不同的锈蚀规则。 Meshova的程序化PBR材质包含基础色、金属度、粗糙度、法线、AO、高度和自发光等通道。目标不是复刻参考图的每个像素，而是保证材质类别和整体质感正确。 七、从图片生成可编辑模型图片可以作为建模输入，但Meshova不希望把图片直接变成一块难以修改的死网格。它采用更容易维护的流程：AI先识别图片中的物体和部件，例如车身、车窗、车轮和车灯。 八、参数必须让人和AI都看得懂程序化系统不能只增加参数数量，还要保证参数有意义。
19110编辑于 2026-07-13- 来自专栏好好学习
【UML建模】（2） UML建模之用例图
用例图主要用来描述软件的使用者是谁，软件提供哪些功能，它用来表示一个系统中用例与参与者及其关系的图，主要用于需求分析阶段
1.5K11编辑于 2022-03-31 - 来自专栏韩锋频道
数据建模1,2,3
2. 维度建模 1).基本概念 在建模过程中，涉及到很多概念。下面通过一个场景来，来说明它们。例如：常见的电商下单环节，每个用户提交一笔订单（仅限一个物品），就对应于一条订单记录。 【业务过程】：下订单 【粒度】：每笔订单（拆分为单个物品） 【维度】：地域、年龄、渠道等（可供分析的角度） 【事实/度量】：订单金额等（可用于分析的数据） 2).建模步骤 收集业务需求与数据实现 在开始维度建模工作之前 3).建模规范 以维度建模为理论基础，定义一系列术语来描述建模对象。下图摘自于《阿里巴巴大数据实践之路》。 ? 数据域 指面向业务分析，将业务过程或者维度进行抽象的集合。 设计要点 1).维度表设计 维度是维度建模的基础和灵魂。在维度建模中，将度量称为"事实"，将环境描述为"维度"，维度是用于分析事实所需要的多样环境。维度所包含的表示维度的列，称为维度属性。 2).事实表设计 事实表作为数据仓库维度建模的核心，紧紧围绕着业务过程来设计，通过获取描述业务过程的度量来表达业务过程，包含了引用的维度和与业务过程有关的度量。
1.6K51发布于 2019-06-06 - 来自专栏学习成长指南
数学建模Python必知必会（2）
我们一般选择自己熟悉的这个方法就可以了，不然如果一个方法在不同的模块里面的这个名字是一样的，这个时候你有同时导入多个模块，这个时候就会冲突；关于第三方库的说明：内置模块直接导入，第三方库，需要使用这个pip包管理器进行这个库的安装；2.
24310编辑于 2025-03-22 - 来自专栏云技术交流123
程序化广告上云方案
程序化（Programmatic Advertising）广告，因广告主可以程序化采购媒体资源，实现精准的目标受众定向；媒体可以程序化售卖媒体资源，并实现广告流量的分级定价和精细化运营，逐渐成为品牌广告的主流形态 放眼全球，数据和技术驱动的数字营销势不可挡，程序化广告在数字广告投放中的主导地位日益巩固。2020年，全球广告主在程序化广告上的投入占所有数字广告支出比例上升为68%。 程序化广告业务痛点：腾讯AMS程序化广告服务分天津、上海、深圳三地部署，通过公网访问合作广告商服务，除给AMS侧带来巨大的网络流量费，程序化广告服务商也需要承担相当比例的网络流量费用，据统计，其中比例占广告服务商 且因为是走公网，对应网络稳定性差、耗时高，业务超时率占比高，AMS程序化广告团队在2年之前就希望打通腾讯自研云和公有云之间的网络，但因安全风险在内部安全平台部一直不能通过。 作为首家成功迁移进腾讯云的广告技术公司，数因科技整体迁移时间仅仅用了2周，即完成冷启动到成功投放上线，可见腾讯云的配合速度和便捷性。
2.1K201编辑于 2022-11-13 - 来自专栏OpenFPGA
数字硬件建模SystemVerilog-组合逻辑建模（2）always和always_comb
使用通用always程序建模 最佳实践指南7-4 使用RTL专用的always_comb程序对组合逻辑进行建模。不要在RTL模型中使用通用的always程序。 虽然不推荐always程序用于RTL建模，但本文中讨论了如何正确使用通用always程序对组合逻辑进行建模，因为这种通用程序在传统的Verilog模型中很常见。 组合逻辑敏感列表。 首先，综合编译器对组合逻辑建模施加了一些限制。使用@ * 可以推断出一个敏感度列表，但不强制执行用于组合逻辑建模的其他综合规则。@ * 的第二个问题是没有推断出完整的敏感度列表。 最常见的两种情况是： 1.决策语句分配给每个分支中的不同变量，如下面的代码段所示， 2.决策语句不会对决策表达式的每个可能值执行分支。下面的代码片段说明了这个问题。 但是，如果操作码输入的值应为2’b11，则本例不会对result变量进行任何赋值。
3.9K10编辑于 2023-02-14 - 来自专栏Spark学习技巧
第2篇：数据库关系建模
第二篇：数据库关系建模 前言 ER建模环节完成后，需求就被描述成了ER图。之后，便可根据这个ER图设计相应的关系表了。 但从ER图到具体关系表的建立还需要经过两个步骤：1. 逻辑模型设计 2. 2. 列(column) 列就是字面意义上表的列。但是它也有时被称作属性，或者域。 3. 行(row) 行就是字面意义上表的行。但是它也有时被称作元祖，或者记录。 4. 2. 将具有复合属性的实体映射为关系 这类映射中，复合属性的各子属性会映射到的新的关系中，但是复合属性名本身不会。 如下实体： ? 将映射为关系： ? 我们首先可以认为概念模型建模和ER建模，需求可视化表达的是一个意思。在这个环节中，数据开发人员绘制ER图，并和项目各方人员协同需求，达成一致。 这个映射的过程，就叫做逻辑模型建模或者关系建模。 有人会说，ER图不是可以直接映射到关系吗，而且已经有了相应的映射工具了，为什么还要绘制ER图多此一举呢？针对这个问题前文已经回答了。
2.3K61发布于 2018-03-20 - 来自专栏往期博文
数学建模暑期集训2：模糊综合评价
在上篇内容中，记录了模糊数学的一些基础知识，本篇将运用部分知识来构建模糊综合评价。 文章目录 1.隶属函数的三种确定方法 1.1模糊统计法 1.2借助已有的客观尺度 1.3指派法 2.模糊综合评价 2.1一级模糊评价模型 2.2多级模糊评价模型 3.总结 1.隶属函数的三种确定方法 1.1 1.3指派法 最常用梯形分布： 2.模糊综合评价 主要确定因素集、评语集、权重集。 本身不难理解，通过例子即可体悟。 例2：通过指派法来确定模糊综合评价矩阵 2.2多级模糊评价模型 多级模糊评价，和单级大同小异。 例子： 3.总结 模糊综合评价比较简单，不需要通过编程计算。
1.1K30编辑于 2022-06-14 - 来自专栏快乐阿超
程序化的事件侦听器
——孙中山 vue官方文档——程序化的事件侦听器 vue官方文档——实例方法/事件 我们可以使用this.$on在vue中侦听一个事件 vm. $emit('add', { data: 2 }); }, 1000); }, methods: { } }; </script> 我们进入index页面，再进入list页面触发后 ，回到index页面就可以看到它的add函数成功触发了每秒加2的效果
2K10编辑于 2022-08-17 - 来自专栏软件方法
建模答题赛第2赛季第10轮（纠正某些书上的建模错误）
[改错题]很多书中的建模示例都存在问题。请根据《软件方法（上）》第2版的知识，指出以下材料存在的问题。 ? 摘自 Python Projects，Laura Cassell，John Wiley & Sons，2015 要求指出 （1）错误 （2）所用参考知识在《软件方法（上）》第2版中的页码。 （2）不同的人指出相同的错误，该错误的得分者归属回答时间最早而且本题结算后为正分的人。 举例：张三先指出A、B、C、D共4个错误，其中只有A是恰当的。李四紧随其后面指出了A。 2 城市：济南，单位：LXB Mingchu 1 城市：墨尔本 yuyjx 1 城市：沈阳，单位：DR 晚安月亮 1 城市：济南，单位：LXB
63920发布于 2019-10-08 - 来自专栏机器学习AI算法工程
程序化点击率预估（CTR）
指标 广告点击率预估是程序化广告交易框架的非常重要的组件，点击率预估主要有两个层次的指标： 1. 排序指标。排序指标是最基本的指标，它决定了我们有没有能力把最合适的广告找出来去呈现给最合适的用户。 2. 数值指标。数值指标是进一步的指标，是竞价环节进一步优化的基础，一般DSP比较看中这个指标。 2. 2. 特征组合 两派方法： FM系列 - 对于categorical feature，一般把他们encode成one hot的形式，特征组合适合用FM。
2.3K80发布于 2018-03-13 - 来自专栏智能时刻
区块链:程序化广告的困境的答案?
在我们的文章《媒体的完美风暴》之后，有几个客户问了我们对区块链的看法。是方案广告带来的问题的答案，还是自动广告植入的危险首先，对于那些不知道区块链是什么的人，这里有一个简单的解释。区块链是十年前发明的，是一种管理比特币等加密货币的方式。区块链本质上是一组不断增长的记录——由加密连接起来的数据块，通过存储在世界各地计算机上的分布式数据库，包括业务服务器和家用计算机。当一个事务被发送到网络时，它会同意(或不同意)该事务在批准之前是合法的。 区块链的优点是它非常安全，并且在没有其他记录被类似地改变的情况下
1K50发布于 2018-04-09 - 来自专栏星河造梦坊专栏
动画☀️Unity最新程序化动画绑定(Animation Rigging)
使用的Unity版本：2019.2.0f1 技术简介 基于Animation C# Job构建的程序化动画绑定系统。 Demo阶段 1、导入Unity商城里免费的Post apocalyptic survival character模型，调整shader 2、找到模型fbx文件，调整Humanoid，拖到场景。 因此暂停更新，Unity原视频链接：[Unity 活动]-官方直播- Unity最新程序化动画绑定(Animation Rigging)技术介绍_哔哩哔哩_bilibili 想继续学习的同学可以根据视频继续往下学习 Q2：我们导入约束案例了，仍无法添加该脚本。即使看他们的案例，物体上的该脚本仍是报错状态。 A2：打开该脚本时，我们发现提示该脚本是只读状态。将脚本属性只读取消不管用。 2）、K动画 即制作动画。
1.5K10编辑于 2024-08-15 - 来自专栏软件方法
《软件方法》随想（2）业务建模之愿景
业务建模之愿景 关于《软件方法》，愿景一章，做了以上的知识框架梳理。 这里面愿景，就是目标组织代表（老大），在引进系统之后希望带来的改进。
37020编辑于 2022-10-31 - 来自专栏云深之无迹
使用Python进行数学建模(语言基础2)
索引可以得到单个字符，而 切片 可以获取子字符串: >>> >>> word[0:2] # characters from position 0 (included) to 2 (excluded)'Py ' >>> word[2:5] # characters from position 2 (included) to 5 (excluded)'tho' 注意切片的开始总是被包括在结果中，而结束不被包括 这使得 s[:i] + s[i:] 总是等于 s >>> >>> word[:2] + word[2:]'Python' >>> word[:4] + word[4:]'Python' 切片的索引有默认值 ；省略开始索引时默认为0，省略结束索引时默认为到字符串的结束: >>> >>> word[:2] # character from the beginning to position 2 (excluded 例如， word[1:3] 的长度为2。
1.6K40编辑于 2022-11-29 - 来自专栏软件方法
《软件方法》强化自测题-业务建模（2）
按照业务建模、需求、分析、设计工作流考查。 答案不直接给出，可访问每套题后面给出的自测链接或扫二维码自测，做到全对才能知道答案。 （2） 1 [ 单选题 ]针对最近新闻报道中“大熊猫玩菜刀”的新闻，如果动物园决定引入IT系统，监控并辨别大熊猫的危险行为，一旦判断出有类似“玩菜刀”之类的行为，就向动物园熊猫馆管理员报警。 以下说法正确的是： A) 业务建模时，研究对象应该定为熊猫馆 B) 业务建模时，研究对象应该定为大熊猫 C) 业务建模时，如果大熊猫是一只，研究对象应该定为大熊猫，如果大熊猫是多只，研究对象应该定为熊猫馆管理员 D) 业务建模时，研究对象应该定为熊猫馆管理员 2 [ 单选题 ]以下可以作为“老大”的是： A) 居住在美国纽约法拉盛的中国公众人物罗玉凤 B) 世界五百强之一的零售商家乐福公司售货员 C) paperId=2TNJIV
99420编辑于 2022-04-09 - 来自专栏Python与算法之美
2个范例带你读懂高阶API建模方法
使用Keras接口有以下3种方式构建模型：使用Sequential按层顺序构建模型，使用函数式API构建任意结构模型，继承Model基类构建自定义模型。 此处分别演示使用Sequential按层顺序构建模型以及继承Model基类构建自定义模型。 = plt.subplot(122) ax2.scatter(X[:,1],Y[:,0], c = "g") plt.xlabel("x2") plt.ylabel("y",rotation = 0) =(2,))) model.summary() ? ,1].numpy(),c = "g") ax2.legend(["positive","negative"]); ax2.set_title("y_pred"); ?
71820发布于 2020-07-20 课前准备--蛋白建模AlphaFold 2与AlphaFold 3
我们先来看看AlphaFold 2可以把 AlphaFold 2（AF2） 理解成蛋白质结构预测领域一个非常重要的分水岭。 例如：MKTIIALSYIFCLVFADYKDDDDK...AlphaFold 2希望得到：Residue 1 → x1,y1,z1Residue 2 → x2,y2,z2Residue 3 → 假设直接预测：Cα1 = (x1,y1,z1)Cα2 = (x2,y2,z2)...存在一个问题：如果把整个蛋白旋转：旋转前： protein ↓旋转后： / /蛋白质本身没有变化 三十七、AlphaFold 2和传统同源建模有什么区别？ nucleotidesRNA → nucleotidesLigand → arbitrary chemical graphIon → atomAF3的一个重要思想就是：把不同类型的生物分子放到统一的结构建模框架中
21810编辑于 2026-08-232H-TaS2 过渡金属插层超晶格相图建模
使用抗磁离子Zn2+和Sc3+作为磁性离子的代理，揭示了√3×√3有序在远宽于传统预期的范围内占主导——即使在x=1/4处，√3×√3畴也优于2×2。Raman光谱实验证实了2×2有序的脆弱性。 2H-TaS2是最具代表性的插层主体材料之一，当1/4和1/3的八面体间隙位被占据时（对应体相组成2H-M0.25TaS2和2H-M0.33TaS2），插层离子可形成2×2和√3×√3超晶格，展现出截然不同的磁学性质 STEM显示2H-Cr0.25TaS2中存在2×2有序畴（数百纳米）与少量√3×√3区域共存，而单晶XRD仅显示2×2有序。这表明需要有限温度下的热力学相图理论来指导实验。 结构参数：(a)2H-TaS2、2H-Zn0.5TaS2和2H-Sc0.5TaS2双层结构参数；(b)三角畸变对晶体场分裂的影响；(c)Zn2+和Sc3+的预期d轨道电子排布四、插层驱动的电子效应4.1 短程排斥+构型熵→√3×√3有序的广泛存在④实验启示：为靶向特定超晶格相提供材料选择和热处理的指导局限性与未来方向①成对模型对高价态离子（Sc3+）精度有限→需团簇展开②刚性晶格近似→需考虑面外弹性效应③仅建模了抗磁代理离子
18610编辑于 2026-07-04- 来自专栏程序人生
程序化 Options trading 浅尝辄止
未来，他希望这个项目不仅可以为自己公司的 fund 赚钱，还能逐渐转化成一个平台，简化人们做程序化交易的难度，就像 Robinhood 简化大家买卖股票的难度一样。 这一块，要解决的问题和已有的股票交易系统大同小异，所以这个周末，我花了亿点点时间，研究了一下很久很久没有触碰的程序化交易系统。 在探索的过程中，我不禁技痒，想看看做程序化交易难度几何。 从这个角度来看，Rust/C++ 在程序化交易系统领域，有着不可逾越的性能优势。 最后，如果你读到这里，对这个领域感兴趣，想深入做点事情；或者已经在程序化交易领域，想开拓一片新的天地，欢迎给我留言，我很乐意代为引荐。
1.2K20编辑于 2022-12-05
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