- 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- 来自专栏往期博文
数学建模暑期集训9：灰色关联分析
本专栏第23篇数学建模学习笔记（二十三）灰色关联分析记录了灰色关联分析的一些基本知识。本篇内容对数学原理不作赘述，对matlab程序进行一定的补充。 score / sum(score); % 归一化后的得分 [sorted_S,index] = sort(stand_S ,'descend') % 进行排序 里面有些相关自定义函数可参见 数学建模暑期集训
69530编辑于 2022-06-14 - 来自专栏往期博文
数学建模番外篇9：Pyecharts绘图整理
Echarts是百度开源的比较强大的绘图工具，但其是用Js来操控的，使用案例大全： https://echarts.apache.org/examples/zh/index.html#chart-type-custom 有人在此基础上进行二次开发，衍生出pycharts，本篇将记录一些pyecharts中的一些个人认为比较精彩的图表。 pyecharts中文文档：https://pyecharts.org/#/zh-cn/intro pyecharts案例大全：https://gallery.pyecharts.org/#/Bar/stack_bar_percent 下面的图表截取了左侧目录项，查阅时只需修改案例大全最后一段url。
1K10编辑于 2022-06-14 - 来自专栏paddle深度学习
paddle深度学习9 搭建模型nn.Layer
本节将介绍如何使用 Paddle 内置的 Layer 搭建模型。
48910编辑于 2025-01-15 - 来自专栏钱塘大数据
【盘点】数据挖掘与数据建模的9条定律
这种映射也基于数据知识和数据挖掘知识）； 数据理解使用业务知识理解与业务问题相关的数据，以及它们是如何相关的； 数据预处理就是利用业务知识来塑造数据，使得业务问题可以被提出和解答（更详尽的第三条—准备律）； 建模是使用数据挖掘算法创建预测模型 准确性是指正确的预测结果所占的比例；稳定性是指当创建模型的数据改变时，用于同一口径的预测数据，其预测结果变化有多大（或多小）。
62770发布于 2018-03-02 - 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%。 随着腾讯程序化广告在国内广告行业的影响力越来越大，程序化广告商均希望与腾讯广告合作，广告商之间竞争越来越激烈，广告业务成本逐步上升，如何降本增效，也是当下广告商非常看重的。 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 广告上侧的超时率也降低了一半：同时在广告政策上，为上云客户争取相关的广告优惠政策，具体如下：https://docs.qq.com/doc/DZUJSTU9UaFJ1bGpR标杆案例：数因科技作为国内首家移动广告量化交易平台
2.1K201编辑于 2022-11-13 - 来自专栏软件方法
UMLChina建模竞赛第3赛季第9轮：人猪心脏
[多选]以下UML建模工具在2022年1-6月间有新版本发布的有： A) IBM Engineering Systems Design Rhapsody B) StarUML C) Software Ideas Modeler D) Astah Professional ---- UMLChina建模答题赛第3赛季当前排行榜 （第4轮答题抽奖建模结算：刘京城 2，第五元素 1.8，Alan 1.2） 龙龙 南京，单位：HJ 刘京城 3 城市：深圳，单位：CY 第五元素 1.8 城市：昆明，单位：CH 索路 1 左耳东 1 城市：深圳，单位：JT -------------------- UMLChina建模答题赛第 城市：济南，单位：LXB 巧克力趣多多 1 城市：南宁，单位：IBM xieh 1 城市：北京，单位：TT -------------------- UMLChina建模答题赛第 1 城市：深圳，单位：ZX 木子 1 城市：石家庄，单位：HY Mingchu 1 城市：墨尔本 [新增EA028高压注射器]24套UML+EA和StarUML的建模示范视频
80620编辑于 2022-10-31 - 来自专栏PPV课数据科学社区
【学习】数据挖掘与数据建模的9个经验之谈
这种映射也基于数据知识和数据挖掘知识）； · 数据理解使用业务知识理解与业务问题相关的数据，以及它们是如何相关的； · 数据预处理就是利用业务知识来塑造数据，使得业务问题可以被提出和解答（更详尽的第三条—准备律）； · 建模是使用数据挖掘算法创建预测模型 准确性是指正确的预测结果所占的比例；稳定性是指当创建模型的数据改变时，用于同一口径的预测数据，其预测结果变化有多大（或多小）。
810110发布于 2018-04-19 - 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.
2K10编辑于 2022-08-17 - 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。
2.3K80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。 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
1.5K10编辑于 2024-08-15 - 来自专栏前端达人
9种日常JavaScript编程中经常使用的对象创建模式
作者 | 汤姆大叔 介绍 今天这篇文章主要是跟大家分享9种日常JavaScript编程中经常使用的对象创建模式，利用各种技巧可以极大地避免了错误或者可以编写出非常精简的代码。希望对你有所帮助。 模式9：静态成员 静态成员（Static Members）只是一个函数或对象提供的静态属性，可分为私有的和公有的，就像C#或Java里的public static和private static一样。 总结 以上就是今天介绍的9种对象创建模式，是我们在日常JavaScript编程中经常使用的对象创建模式，不同的场景起到了不同的作用，希望大家根据各自的需求选择适用的模式。
1K20发布于 2021-04-01 - 来自专栏小七的各种胡思乱想
Bert不完全手册9. 长文本建模 BigBird & Longformer & Reformer & Performer
这一章我们看下如何通过优化attention的计算方式，降低内存/计算复杂度，实现长文本建模。 Contextgithub：https://github.com/kimiyoung/transformer-xlTake Away: 相对位置编码 + 片段递归机制图片为了突破Transformer对固定长度建模的限制 同时**片段递归和以下4种Transformer优化方案是正交的关系**，可以在以下的四种方案中叠加使用片段递归去优化长文本建模Longformerpaper: Longformer: The Long-Document
2.6K40编辑于 2022-10-08 - 来自专栏CDA数据分析师
数据挖掘与数据建模的9大定律（深度长文 收藏细读！）
这种映射也基于数据知识和数据挖掘知识）； 数据理解使用业务知识理解与业务问题相关的数据，以及它们是如何相关的； 数据预处理就是利用业务知识来塑造数据，使得业务问题可以被提出和解答（更详尽的第三条—准备律）； 建模是使用数据挖掘算法创建预测模型 准确性是指正确的预测结果所占的比例；稳定性是指当创建模型的数据改变时，用于同一口径的预测数据，其预测结果变化有多大（或多小）。 9 变化律：所有的模式因业务变化而变化。 数据挖掘发现的模式不是永远不变的。数据挖掘的许多应用是众所周知的，但是这个性质的普遍性没有得到广泛的重视。
1.9K50发布于 2018-02-11 - 来自专栏小七的各种胡思乱想
Bert不完全手册9. 长文本建模 BigBird & Longformer & Reformer & Performer
这一章我们看下如何通过优化attention的计算方式，降低内存/计算复杂度，实现长文本建模。 github：https://github.com/kimiyoung/transformer-xl Take Away: 相对位置编码 + 片段递归机制 为了突破Transformer对固定长度建模的限制 同时片段递归和以下4种Transformer优化方案是正交的关系，可以在以下的四种方案中叠加使用片段递归去优化长文本建模 Longformer paper: Longformer: The Long-Document
2.4K31编辑于 2022-10-27 - 来自专栏优雅R
生信爱好者周刊（第 9 期）：统计建模之道和术
该项研究成果以scMethBank: a database for single-cell whole genome DNA methylation maps为题于2021年9月在国际学术期刊《核酸研究 使用XGBoost构建模型很容易。但是，使用XGBoost改进模型是困难的。该算法使用多个参数。为了改进模型，必须进行参数优化。很难回答一些实际问题，比如：应该调优哪一组参数？ 4、usethis包新增`pr_*`系列函数[8] 工具 1、r-script[9] 一个简单的小模块，用于将数据从NodeJS传递给R（并返回）。 r-operate-database/ [8] usethis包新增pr_*系列函数: https://www.garrickadenbuie.com/blog/pull-request-flow-usethis/ [9]
1.1K20发布于 2021-11-25 - 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 - 来自专栏小游戏开发
小程序化正在成为大势所趋？
首先说下我个人最近发现一个现象，公司 App 里面的各个业务模块在往小程序化进行演变了！！可能大佬们也会疑惑：大部分公司不是已经一直在用小程序吗？不算。 那么大家有没有好奇过，为什么小程序化正在成为大势所趋？ 它是一种轻应用形态，一种数字内容的表现方式，或者我们称之为“小程序化的数字内容”。图片标准形成后，小程序技术的底层实现方式，依然可以是各家厂商不同。 业务小程序化的管理优势业务小程序化后的还有个优势是——便于做数字内容的管理。如何去理解呢？ 这样分析看来，小程序化会成为大势所趋是理所当然的。
52710编辑于 2022-12-20 - 来自专栏软件方法
组织结构的建模-软件方法（下）第9章分析类图案例篇Part06-案例二-智能建模工具
如果建模人员对核心域的概念及关系在大局上有相当清晰的认识，可以先抛开目标系统的某个具体用例，从大局上对目标系统需要涉及的核心域概念建模，然后再参照用例规约，增减得到目标系统的分析模型。 “发糕智能建模工具”所封装的核心域知识总量近似于《软件方法》中讲述的建模方法学知识，而且建模人员（作者自己）对《软件方法》中所讲述的方法学非常熟悉，我们就不再逐个用例探索和拼凑，而是按照《软件方法》中的内容 在以下的建模过程中，提到某些知识不属于当前关注范围之内时，我们使用“发糕智能建模工具”（简称“发糕”）作为主语，而不是《软件方法》，例如： “发糕”当前不需要关心不同类型组织的行为有什么差别。 发糕”作主语是可以的，毕竟还有人——使用“发糕”来建模的人类执行者可以弥补。 用“发糕”来建模的目标系统是多种多样的，系统的目标组织也是多种多样的，因此，确实需要图9-42的灵活结构。
50330编辑于 2022-10-31
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