- 综合排序
- 最热优先
- 最新优先
视频孪生开启4D空间智能，重塑感知与决策的未来
当静态的“三维”模型被注入时间的维度，当连续的、海量的视频流能够被实时解析、重构与理解时，一个更宏大的图景正在展开：视频孪生正为我们开启一个全新的“4D空间智能”时代。 这里的“4D”，正是在长、宽、高的三维空间之上，增加了“时间”这一至关重要的维度。视频，作为记录现实世界最直接、最丰富的数据载体，包含了无与伦比的空间与时间信息。 它不再是孤立的画面，而是一个与物理空间同步心跳、同步呼吸的“活”的数字世界。视频孪生如何赋能4D空间智能？ 因此，视频孪生带来的4D空间智能，体现在以下几个核心层面：1. 时空轨迹回溯与推演：这是4D空间智能最革命性的能力。在安防领域，不再需要人工在海量录像中大海捞针。
43910编辑于 2025-11-18- 来自专栏Unity开发系列专栏
OpenCV 4基础篇| 色彩空间类型转换
色彩空间基础 RGB 图像是一种比较常见的色彩空间类型，除此之外，比较常见的还有以下类型：GRAY 色彩空间（即灰度图像）、XYZ 色彩空间、YCrCb 色彩空间、HSV 色彩空间、HLS 色彩空间、 色彩空间也称为颜色空间、色彩模型、彩色模型、彩色空间、颜色模型、颜色系统等。 色彩空间转换指的是图像从一个色彩空间转换到另一个色彩空间，比如讲图像从 RGB 色彩空间转换到 XYZ 色彩空间，不同的色彩空间适用不同的场景，所以有时候需要将它们进行互相转换。 2. 2.4 XYZ 色彩空间 XYZ色彩空间是由国际照明委员会（CIE）制定的一种色彩空间标准，也是最先采用数学方式来定义的色彩空间之一。 与CIELab色彩空间一样，处理颜色时通常需要将颜色从RGB色彩空间转换到XYZ色彩空间，然后再转换到CIELuv*色彩空间。
2.3K10编辑于 2024-02-21 - 来自专栏快学Python
OpenCV基础 | 4.色彩空间的转换
作者：小郭学数据 源自：快学python 学习视频可参见python+opencv3.3视频教学 基础入门[1] 今天写的是色彩空间的转换 1.常见色彩空间及色彩空间转换 RGB 红色：Red，绿色： YCrCb Y：亮度分量，Cb：蓝色色度分量，Cr：红色色度分量 YCbCr模型来源于yuv模型，应用于数字视频 常用于肤色检测 色彩空间demo def color_space_demo(image)
80420发布于 2021-08-09 - 来自专栏锦小年的博客
课程笔记4--图像K空间理解
K空间的数据分布实际上是图像空间中数据的二维傅立叶变换结果。 K空间中的数据点和图像空间中的数据点并不是一一对应的。一个K空间中的数据点对应了图像空间中所有数据点的一部分信息。 K空间就好比图2中的右图一样，代表了图像空间中正弦波成分的频率分布。 ? 为了更好地理解K空间中数据的含义，我们不妨做几个思想实验。 如图4，左上图为一次MRI实验中得到的K空间中表示的数据，对其做逆傅立叶变换即可得到右上图，也就是我们常常看到的大脑剖面图。 左上、左下两张图的叠加，可以恢复原来的K空间中的数据；而右上、右下图的叠加，则可以恢复原来的图像空间中的数据。 ? 由此我们可以看出，图像空间中的图像分辨率与K空间中的数据点数量密切相关。 K空间中有多少数据点，图像空间中也就能还原出多少个数据点；K空间中有越多的数据点，图像的空间分辨率也就越好。图6给出了几个K空间数据点个数语图像空间中图像分辨率的关系。
2.4K30发布于 2019-05-26 - 来自专栏编程技术宇宙
内核地址空间大冒险4：线程切换
进入sleep()函数后，又来到了nano_sleep()函数，接着看到了一个syscall系统调用指令，我继续执行，来到了内核空间。 进入内核空间后，我接连穿过了 --> nano_sleep() --> hrtimer_nanosleep() --> do_nanosleep() --> freezable_schedule() 把我累得够呛 context_switch 看到我回来，长者起身言道：“小伙子，回来啦，走，带你们去context_switch()” 进入这个context_switch()之后，长者又带着我又做了一些准备工作，比如把当前的进程地址空间换成了小 我和长者再次告了别，继续返回，最后通过sysret虫洞，回到了用户态空间。 我小心翼翼的执行了这里的代码，只是简单输出了一行日志，然后来到了一个叫__restore_rt()的函数，又一条syscall指令摆在了我的面前，我没有犹豫再一次一头扎进了内核空间。
1K20发布于 2020-04-24 - 来自专栏Alter聊科技
华为奔赴“空间智能”，全屋智能的逻辑变了吗？
华为在一年内开了三场与“全屋智能”相关的发布会，并在刚刚结束的第三场发布会中正式提出了“空间3.0”的说法，即家居空间进入到了智能化时代。 一个鲜明的主旋律在于，“全屋智能”不再是智能手机或其他产品的附属，而是回归人对空间的需求自身，就像上文提到的，从功能与美的追求，不断向空间智能化跃迁。 华为全屋智能是让空间去迎接人，空间自我要有序整合起来。先不考虑谁进入这个空间，而是已经做好了给人迎接的准备。” 其次是给予用户原先空间中得不到获得感。之所以有这么多企业将全屋智能视为新增长空间，多半是笃信用户需要“全屋智能”，乃至会在不久成为一些用户生活中不可或缺的一部分。 至少华为在内的科技企业已经吹响了“冲锋号”，能否赶上“空间智能化”的浪潮，将直接决定一家家全屋智能品牌在新一轮马太效应中的去留。
63810编辑于 2022-11-04 - 来自专栏FHADMIN
oracle 创建表空间、用户 4个步骤
/*分为四步 */ /*第1步：创建临时表空间(注意：D:\Project\OracleTableSpace\FHADMIN\ 手动创建路径) */ create temporary tablespace FHADMIN_TEMP.dbf' size 50m autoextend on next 50m maxsize 20480m extent management local; /*第2步：创建数据表空间 size 50m autoextend on next 50m maxsize 20480m extent management local; /*第3步：创建用户并指定表空间 identified by root default tablespace C##FHADMIN_DATA temporary tablespace C##FHADMIN_TEMP; /*第4步
68320发布于 2021-06-16 - 来自专栏Alter聊科技
华为奔赴“空间智能”，全屋智能的逻辑变了吗？
华为在一年内开了三场与“全屋智能”相关的发布会，并在刚刚结束的第三场发布会中正式提出了“空间3.0”的说法，即家居空间进入到了智能化时代。 01 “智能”消费群体的跃迁 在理解“空间3.0”的概念前，似乎有必要回顾下前两个时代的特征。 一个鲜明的主旋律在于，“全屋智能”不再是智能手机或其他产品的附属，而是回归人对空间的需求自身，就像上文提到的，从功能与美的追求，不断向空间智能化跃迁。 华为全屋智能是让空间去迎接人，空间自我要有序整合起来。先不考虑谁进入这个空间，而是已经做好了给人迎接的准备。” 其次是给予用户原先空间中得不到获得感。之所以有这么多企业将全屋智能视为新增长空间，多半是笃信用户需要“全屋智能”，乃至会在不久成为一些用户生活中不可或缺的一部分。
51210编辑于 2023-01-13 - 来自专栏数据科学（冷冻工厂）
空间单细胞｜在Seurat中对空间数据进行分析（4）
引言 在这篇指南[1]中，我们介绍了Seurat的一个新扩展功能，用以分析新型的空间解析数据，将重点介绍由不同成像技术生成的三个公开数据集。 Vizgen MERSCOPE（用于小鼠大脑研究） Nanostring CosMx空间分子成像仪（用于FFPE人类肺组织） Akoya CODEX（用于人类淋巴结研究） 人体淋巴结：Akoya CODEX 系统 这个数据集是通过 Akoya CODEX 系统创建的，该系统能够进行多路复用的空间分辨蛋白质分析，逐步展示抗体的结合过程。 label.box = TRUE) + NoLegend() ImageDimPlot(codex.obj, cols = "parade") 每个标记的表达模式清晰地揭示了细胞的多样性和它们在空间上的排列 敬请期待 Seurat 未来版本带来的新功能，它们将帮助我们更深入地研究细胞的空间位置与其分子状态之间的联系。
54410编辑于 2024-07-05 - 来自专栏一心无二用，本人只专注于基础图像算法的实现与优化。
颜色空间系列4: RGB和YDbDr颜色空间的转换及优化算法
颜色空间系列代码下载链接：http://files.cnblogs.com/Imageshop/ImageInfo.rar （同文章同步更新） YDbDr颜色空间和YCbCr颜色空间类似 ，其和RGB空间之间的相互转换公式里取http://en.wikipedia.org/wiki/YDbDr 所描述的。 Blue = *From; Green = *(From + 1); Red = *(From + 2); // 无需判断是否存在溢出，因为测试过整个RGB空间的所有颜色值
1.3K10发布于 2019-09-11 - 来自专栏腾讯技术工程官方号的专栏
如何构建智能空间的方法与应用
演讲主题：如何构建智能空间的方法与应用 演讲嘉宾：腾讯TEG用户研究与体验设计部 陈晓畅 蔡羿 随着智能时代的来临与城市化建设的发展，建筑中的智能设备与智能化应用越来越普遍。 1智能空间设计的五要素 空间作为人们生活与工作的主要场所，普通人作为“用户”在智能空间里的体验及其设计越来越受到人们的关注。 Step 2: 通过从不同的空间元素维度组织信息并建立架构 通过“时”“事”“物”“场”4 个维度组织上面所抽取的功能，以“场”为例： ? 最终成果 最终设计的智能旅游区解决方案，通过线上线下结合的设计，不但能应对村庄日渐增长的游客数量，也最大化优化了服务侧的效率，如生态博物馆通过优化现有服务流程，采用无卡入住等智慧酒店解决方案，让当地4名服务生服务超过 ，其展现形式也许是智能硬件设备，也许是大数据挖掘方案，此处学员所练习所获得的，是系统化智能空间设计的思考与在空间中全新的智能解决方案推导能力。
1.9K80发布于 2018-01-30 - 来自专栏机器之心
李飞飞：World Labs这样实现「空间智能」
说到斯坦福大学教授李飞飞（Fei-Fei Li），她提倡的「空间智能」最近正在引领 AI 发展方向。 World Labs 致力于为人工智能提供「空间智能」，即生成、推理和与三维世界互动的能力。 李飞飞昨天在人工智能顶会 NeurIPS 上发表了主题演讲，讲述了她对机器视觉的愿景。 在演讲之前，李飞飞接受了 IEEE Spectrum 的独家采访，让我们看看她对空间智能有哪些新的见解： Eliza Strickland：你为什么把你的演讲命名为「提升视觉智能的阶梯（Ascending 解决空间智能问题确实是朝着全面智能（full-scale intelligence）迈出的一个基本且关键的步骤，这是绝对正确的。 你为什么想研究空间智能并构建这些 3D 世界。 李飞飞：我认为空间智能是视觉智能的发展方向。如果我们真的想要解决视觉问题，并且将其与行动联系起来，有一个非常简单、显而易见的事实：世界是三维的。
52410编辑于 2025-02-14 - 来自专栏京东技术
智能城市管理海量空间数据的利器-空间填充曲线
为了克服所有上述问题，一些工作使用空间填充曲线（SFC）[4]，例如Z-Ordering[5]、Hilbert[6]、XZ-Ordering[7]，将高维的空间信息转化成了一维信息，在key-value Hilbert曲线: Hilbert曲线是一种能填充满一个平面正方形的分形曲线（空间填充曲线），由大卫·希尔伯特在1891年提出，如图4所示。 Hilbert曲线通过把一个正方形空间不断的分成4个子空间，再把小正方形的中心点连接起来得到的曲线，即希尔伯特曲线。 在希尔伯特曲线的编码映射中，使用U字型来访问每个空间，对分成的4个子空间也同样使用U字形访问，但要调整U字形的朝向使得相邻的空间能够衔接起来。 如图4（a），在第一层时，选择一个起始点和方向，然后用0到3依次给四个子空间编号。然而，当层数大于1时，维护总体的邻接特性，是一件较为复杂的过程。
1.9K30发布于 2021-04-22 - 来自专栏ZackSock
【计算机视觉处理4】色彩空间转换
【计算机视觉处理4】色彩空间转换 1、图层操作 在第2篇中提到过，如果是二值图片（黑白图）或者灰度图片，一个像素需要一个8位二进制来表示。而对于彩色图像，一个像素则需要用3个8位二进制来表示。 2、色彩空间 在此之前我们已经接触过几种色彩空间了，比如RGB和GRAY两种。除了RGB和GRAY外，还有XYZ、YCrCb、HSV等。 不同的色彩空间删除处理不同的问题，有时候我们会将图片转换成指定的色彩空间以便进行相应的处理。 RGB（我们认为RGB和BGR是同种色彩空间）是一种方便计算机处理的色彩空间，它用三原色组成。 如果遇到需要调节饱和度的场景时，我们可以选择使用HSV色彩空间。 3、色彩空间的转换 色彩空间的转换有固定的公式，这些公式都非常简单，我们来简单看其中一个。RGB到YCrCb颜色空间的转换： ? 命名规则大都为COLOR_XX2YY，也就是函数就是将色彩空间为XX的图片转换为YY色彩空间。
1.6K20发布于 2021-01-08 - 来自专栏疯狂学习GIS
基于Pix4Dmapper的空间三维模型重建应用——空间分析选址
本文介绍基于无人机影像建模完成后的结果，利用ArcMap软件进行空间选址分析，从而实现空间三维模型应用的方法。 前面三篇推文基于3DSOM软件的侧影轮廓方法空间三维模型重建、基于EinScan-S软件的编码结构光方法空间三维模型重建，以及基于Pix4Dmapper的运动结构恢复法无人机影像三维模型重建分别基于不同软件 其中，本文在上述第三篇推文的基础之上，直接基于无人机影像建模完成后的结果加以空间分析；如果需要了解建模的详细过程，大家查阅基于Pix4Dmapper的运动结构恢复法无人机影像三维模型重建即可。 随后，看到有部分网络资料提及，可以利用Pix4Dmapper软件建模所得点云LAS结果文件对地表高度加以求解。因此，尝试由这一角度加以实现。 类似的空间分析中的不足将统一列于以下部分。 4 不足与问题 结合上述操作流程中出现的问题，以及所得选址结果的表现效果，可以看到本次空间分析依然具有一定不足。 1）未对选址区域外形特征加以限定。
95610编辑于 2022-08-10 - 来自专栏ATYUN订阅号
Humatics发布人机交互空间智能平台
Humatics今天发布其商业化空间智能平台，旨在帮助人们和机器以毫米级精度导航互联世界。 该技术使用无线电波信标，软件和移动传感器的组合，跟踪物体和人在特定空间内的移动，并确保在500米范围内的位置精确到2厘米。 随着时间的推移，Mindell认为城市通过物联网设备和自动驾驶汽车变得更加紧密时，将需要像Humatics在商业或工业环境中提供的空间智能系统。
1.2K30发布于 2018-09-26 - 来自专栏Pou光明
4_机械臂运动学基础向量空间
1、向量空间 1.1向量空间 设V是非空的n维向量的集合(n=1, 2, 3,...) ，如果V中的向量对加法和数乘两种运算封闭，即 若a,b∈V，则a+b∈V； a∈V，则ka∈V，k为任意实数， 则V称为向量空间。 1.2 基、坐标的几何意义 对于向量空间V中一个有序向量组{a1, a2, a3, ... an}，若满足： a1, a2, ... an线性无关； V中任意一个向量a都可由a1, a2, a3, .. 1.3向量内积 在线性空间如何定义两个向量的长度和夹角？ a . b = ab cosθ aT . b = axbx + ayby + azbz 1.4标准正交基 便于计算向量到子空间的投影(坐标)。
33710编辑于 2024-01-23 - 来自专栏后端从入门到精通
段的结构 (4)---独立表空间结构（三十)
一个索引分为叶子节点段，和非叶子节点段，一个段又有三个xdes entry链表，所以2个索引又4个段，12个链表，表直属空间结构也有三个extend descriptor enrty链表，所以一共15个 not_full_n_used:4个字节，这个字段表示在not_full链表中已经使用多少个页面。 Magic Number：4个字节，用来标记inode entry是否被初始化，(初始化：吧各个字段的值都填进去)。规定了，当这个字段的值是97937874，则被初始化，否则没有被初始化。 到目前为止，我们已经清楚了表空间，区段，xdes entry，inode entry等链表的基本概念，那每个区对应的xdes entry到底存在表空间什么地方？ FSP_HDR类型 首先看第一组的第一个页面，页号为0，extent0，当然也是表空间的第一个页面，页面类型是FSP_HDR，存储着表空间内的一些整体属性和第一组内256个区对应的xdes entry结构
78030编辑于 2022-07-26 - 来自专栏UE4技术专场
UE4智能指针
#UE4智能指针分析 什么是智能指针 对裸指针进行封装，行为类似裸指针，但是却能够自主管理资源的释放的指针，其实说白了就是通过类的析构和对象的生命周期来管理资源的释放 使用智能指针 为什么使用智能指针 使用的特例智能指针，不参与引用计数 两倍的裸指针大小，有一个指针指向控制块 和shared_ptr相当 为什么使用UE4的智能指针而不是用c11的（两个做具体的对比） 所有编译器和平台上有更加一致的实现 手动释放(Release)后, 该智能指针不再负责该对象的销毁. 0.6. 手动释放(Release)后, 该智能指针不再负责该对象的销毁. 0.8. FWeakReferencer() TOps::ReleaseWeakReference(ReferenceController); WeakReferenceCount为 0 时销毁FReferenceController 4.
7.3K71发布于 2018-12-18 空间智能，这一次我们buy in高斯
以Mesh网格为基础的3D模型，确实是当下工业生产中最成熟的数据标准，但在空间智能时代，“让机器理解世界”才是更重要的进化方向。我们该用什么数据去满足AI对空间智能的需求？ 正是这些特性，让我们坚信：高斯数据，就是实践空间语义、实现空间智能的最佳载体。虽然目前高斯技术还有不少不成熟的地方，但我们依然坚定地决定：以高斯数据为核心，构建专属的引擎系统，深耕之上的空间智能领域。 它最初的设计目的，只是为了实现更逼真的可视化呈现，要用于空间智能，还需要我们根据自身需求进行改造——让它具备携带空间语义的能力，成为适合AI进行空间计算的数据结构。 而云舟凭借自身空间引擎的强大调度能力，采用“以空间换时间”的思路，就能有效破解这个困境，让高斯数据真正能落地应用于空间智能。 通向空间智能的道路有很多条，云舟选择的这条，刚好能发挥我们的技术优势，继承过往的技术积累。它不一定适合所有企业，但绝对是最适合智汇云舟、能让我们发挥最大价值的道路。
10110编辑于 2026-03-06
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