- 综合排序
- 最热优先
- 最新优先
- 来自专栏青玉伏案
视错觉升级版：多个视错觉效果实现
之前发表过一篇关于视错觉的文章：《视错觉：从一个看似简单的自定义控件说起》，虽然不是用iOS开发中的Mask来实现的，但是原理和Mask原理是一样的，相当于手动给上面一层加了个Mask。 今天这篇博客是视错觉Demo的升级版，上篇博客发表后，好多小伙伴说使用Mask实现会更容易，其实使用Mask和之前的原理是一样的。 今天我们这篇博客就使用Mask来实现视错觉的效果，并给出不使用Mask的解决方案。当然今天博客中的内容较多。 一、一些视错觉经典图片 在博客的第一部分呢，先放松一下，看一些视错觉的经典图片，当然下方图片来源于网络。还是那句话，你的眼睛有时候会欺骗你的，你看到的不一定是你看到的。 就先放这三张视错觉图片当开胃菜吧，比较我们今天的主题还是iOS开发，还是代码。说实话，看这种视错觉图片老感觉不舒服呢，越想越别扭。OK, 第一部分的开胃菜到此为止，更多视错觉图片请自行Google。
1K100发布于 2018-01-11 - 来自专栏mythsman的个人博客
神奇的视觉错觉现象
来源 下面是从MIT的Perceptional Science Group中的一个小分支Lightness Perception and Lightness Illusions里找到的几个十分经典的视觉错觉现象的动画演示 尤其是图像处理方面的网络，他的卷积和池化操作基本都是从视神经对图像进行处理的过程中得到的灵感。没事多研究研究视神经系统的现象，说不定还能让我们更好的理解人工神经网络呢。。。 ) 模糊错觉(The Haze Illusion) 科尼尔-科斯腾错觉(Knill and Kersten's Illusion) 考夫卡环(The Koffka Ring) 波状平地效应(The Corrugated Plaid) 不可能的台阶(Impossible Steps) 蛇形错觉(The Snake Illusion) 瓦萨雷里错觉(The Vasarely Illusion) 怀特错觉(White's Illusion) 事实上，上面提到的这些错觉，有很多都可以作为反应视网膜侧抑制现象(lateral inhibition)的示例。
67740编辑于 2022-11-14 - 来自专栏算法一只狗
生成错觉化图片！AI在玩一种很新的东西
错落有致的视觉图基于网友的脑洞，不同的错觉化图片不断涌现出来。比如圆形光影图 + 建筑可以做出有意思的图片不仅仅是建筑照片，连人像也能够很好的进行视觉幻化合并：当然还能够自定义一些图片，然后生成。
55220编辑于 2024-10-07 - 来自专栏大数据文摘
「赫曼方格」视错觉怎么破？
赫曼方格是一个著名的“有力视错觉”，因为所有人都会看错，而且你无法适应。 1985年，JR Bergen发明了一个赫曼方格的变体，能够产生不同的效果。 他们说这种错觉反过来也有效(就是黑点在白色网格中)。 一种解释是人类视网膜的侧抑制现象。为了聚焦，视网膜里的神经节细胞会增强焦点处接收到的刺激，减弱这一点之外的刺激。 一些科学家认为这种错觉会让那些视力没有聚焦到的白点隐身。 四个区域刺激减弱vs两个区域刺激减弱 如果这些白点更加明显，比如变得更大，你的眼睛就不会让周围白点消失了。 对比下面两张图： 原图 白点被放大 你也可以让这个错觉消失。比如先看着屏幕，然后将屏幕前倾，再看着它。
1.6K40发布于 2018-05-24 - 来自专栏MixLab科技+设计实验室
元宇宙数字藏品·视错觉艺术·脑波
高效节能的共识算法 社区治理的去中心化架构 完备的智能合约能力 合规的链上内容平台 丰富的跨链能力 安全专业的私钥托管方案 可以干啥？ 原创作品会有出生证明、数字藏品展厅、数字身份等。 在空间中寻找，让我联想到：视错觉艺术 长得像人脸的自然景观 这是：人脸幻想性错觉 Face pareidolia。 在日常随处可见的事物中，大脑赋予一个实际的意义：看见人脸的现象。 个体差异性 神经建筑学认为人们对设计的反应是有个体差异性的，这一点非常像个性化推荐算法的第一性原理：个体的喜好是有差异性的。 在计算机领域，个性化推荐算法，首次出现是在1995年3月的美国人工智能协会上，由卡耐基梅隆大学的 Robert Armstrong等提出了个性化导航系统Web Watcher。 同时，斯坦福大学的Marko balabanovic等也推出了LIRA：一个个性化推荐系统。自此之后，个性化推荐的研究开始蓬勃发展。
69520编辑于 2021-12-09 - 来自专栏掘金安东尼
CSS 如何实现“咖啡墙错觉”效果？神奇~
咖啡墙错觉实际上是一种几何光学视错觉，简而言之就是“大脑没有真实的解释眼睛所看到的画面”。 前面图中的左右两张图实际上是一样的；后面图中的横线实际上也是平行的，神奇吧？ 本篇要做的就是用 css 实现类似的“咖啡墙错觉”效果，用在网页修饰中，可彰显逼格。 还有很多： 比如：赫林错觉 两条竖着的线其实平行的，但在汇聚到点的线的影响下，会显得中间是弯曲的。 还有：弗雷泽图形 它被称作：视错觉之王。 看起来是漩涡状的圈，实际上是同心圆组成的。是因为背景的黑白网格扭曲所造成的。 所以，有时候，完全相信眼睛也不一定对，大脑也会骗人。 利用 CSS 实现视错觉，做做网页效果，一定也会惊艳~~ 推荐一篇文章：# 眼见不一定为实，设计中11种视错觉 原来很多页面设计效果、LOGO 设计都利用了【视错觉】这一点！
66930编辑于 2022-11-16 - 来自专栏灯塔大数据
谷歌 Ngrams ：大数据如何创造错觉？
实际上这个数据甚至反映了一位（并不一定是受欢迎的）作家 Upton Sinclair 有多么多产：他写出了11部有着同一个「Lanny Budd」的小说。 到底谁是 Lanny ？ 他指出，我们现在关于道德的理解也许与在 19、20世纪之交时的概念有着巨大出入，并且「尊严」也许因为非道德的原因变得逐渐普及化。因此任何我们从将眼下的关联投射到过去所总结的结论都是可疑的。
1.1K100发布于 2018-04-09 - 来自专栏WOLFRAM
错觉艺术的巅峰,错觉图形大师M.C. Escher的不可能方块的可能模型
Escher毕生创作488件版画作品当中为人所津津乐道的是其运用了数学逻辑、错觉透视和视觉心理，结合重复的人物造型与不可能之建筑体，打造出兼具游戏式和科学感的谜样图像，作品冲击着观者的视觉感官，并挑战着世人固有的逻辑思维
1.4K30发布于 2018-05-31 - 来自专栏MatheMagician
运动的“点”与“线”，竟然能产生错觉？？？
这是一种现象，是你观看一系列静止的图像时产生运动的错觉。基于眨眼或者频闪的速率，我们的大脑可能会将点的闪烁感知为运动的不同阶段（比如左右横跳或者旋转等）。 运动的点可能会产生错觉，那运动的线（面）呢？答案当然也是肯定的，比如好玩的贝汉圆盘（Benham's disk）也会让你产生错觉，只不过此时不是运动的错觉，而是对于颜色的错觉。 ? 然而，目前为止似乎还没有人真正知道这种错觉是如何产生的。在一篇《Nature》论文中写道：“这些现象的起因似乎并未得到确切解决。” 利用贝汉原理制作的陀螺仪 贝汉似乎很擅长推销这种玩具，但是他并不是第一个注意到这种错觉的人。 这种当观察某些快速变化或者移动的黑白图案时看到的色彩错觉，被称为费纳希色彩效应。 ? 这是什么原因呢？ What is the reason for this?
88120发布于 2020-03-25 - 来自专栏vue学习
读《学习之道》— 组块构建与避免能力错觉
组块构建与避免能力错觉 （1）聚精会神的时候，大脑在做什么 当你将注意力集中与某件事物时，注意力章鱼的神经触手就将大脑的某些特定部分连接起来。 专注的练习和重复是创造记忆痕迹的过程。 （4）能力错觉和回想的重要性 试着回想材料，即提取练习，效果比单纯阅读材料好得多； 在学习中进行回想——让大脑提取关键概念，而非通过重复阅读被动获取知识，将能让你更加集中高效的利用学习时间。
70440发布于 2018-09-04 - 来自专栏千里行走
kubernetes-11：jenkins容器化
目录 (1).yaml方式容器化 (2).ingress代理jenkins (3).通过ingress访问jenkins (4).初始化jenkins (5).参考资料 正文 (1).yaml方式容器化 到此，jenkins容器化部署完成。 (3).通过ingress访问jenkins 查看ingress端口： kubectl get svc -n ingress-nginx ? 将域名和external-ip配置到hosts，然后通过域名/端口即可访问，即： http://jenkins.future.xxx.com:30834/ (4).初始化jenkins 通过url进入jenkins
71930发布于 2019-07-03 - 来自专栏CnPengDev
小程序 | 11-组件化
自定义组件由 json、wxml、wxss、js 四个文件组成，我们通常是在根目录下创建一个文件夹——components，在该文件夹中存放我们自定义的公共组件。
2.8K20发布于 2021-05-17 - 来自专栏测试游记
Java自动化测试(TestNg参数化 11)
测试结果 接口测试基础 后续进行接口自动化，需要了解一下接口相关的基础知识 HTTP协议 分为客户端请求和服务端响应，无状态的协议。 HTTP协议重点包含报文。
84620发布于 2020-07-30 - 来自专栏项目文章
Redis学习11：持久化RDBAOF
持久化简介 什么是持久化？ 利用永久性的存储介质进行保存，特定的时间将保存的数据进行恢复。 持久化方式：保存分为快照和日志。注意日志保存的是整个操作的过程。 自动执行save rdb启动方式 意思就是说，10s内有99个key了，那么就需要进行持久化。其实就是单位时间内达标了就进行bgsave存。 第二种持久化方案 AOF RDB存储的弊端： 最后一个指的是无法时刻进行RDB，可能会有一些丢失。 AOF介绍 AOF写数据的过程 那么问题变成了如何控制命令同步到.aof文件中。 持久化的应用场景 第一个主键id不适合用持久化，适合临时化。 第二个热度数据也不适用。 第三个不适用。因为数据库也有。 第四个快速存储、快速消失的适合存起来。其次恢复这个就不用后台做大规模的重做。 排名功能适合做持久化，这种数据是不会存数据库的。 最后一个应用按次结算，那么要不要持久化，可以这么想：如果不存，会不会出灾难性的结果，如果会出现，那么需要，如果不会出现，那么就不用管。
17910编辑于 2024-06-07 - 来自专栏yeedomliu
《学习之道》第4章 组块构建与避免能力错觉
从上至下的宏观学习，和从下至上的组块活动，在你成为数学家或科学家的道路上，都发挥着重要作用 ---- 能力错觉与回想的重要性 试着回想学习材料，即提取练习（retrieval practice），效果比单纯阅读材料好得多
97240发布于 2019-09-29 - 来自专栏木溪知识加油站
优化App冷启动,实现启动页错觉秒开
安卓启动方式一般有3种： >Coldstart——冷启动： 此种方式最为耗时，一般是因为进程被干掉或者是第一次启动app，系统需要重新fork进程进行一系列初始化，后台没有该应用的进程。 WarmStart ——暖启动 比ColdStart稍快，当app的Activities被销毁，但还在内存中常驻时启动方式会变为暖启动，app并没有被杀掉，所做的只是把app从后台提到前台来展示，并不需要重走初始化一系列行为 ，减少了对象初始化、布局加载等工作。 背景你可以设置多种，如果是设置为透明要将<item name="android:windowIsTranslucent">true</item>设置为true，当点击运行app后是透明背景的，给人的一种系统响应慢的错觉 图片 2018/11/2最后补充一下需要注意：在Android 8.0即api26，谷歌对于AndroidManifest.xml中设置了锁定屏幕android:screenOrientation="
2.4K30发布于 2018-12-27 - 来自专栏数据猿
数据化运营的11个步骤。
10 观测和分析数据 这里主要是数据变化的监控和统计分析，通常我们会对数据进行自动化的日报表输出，并标识异动数据，数据的可视化输出很重要。 11 产品评估与运营优化 这是数据运营闭环的终点，同时也是新的起点，数据报表绝不是摆设，也不是应付领导的提问，而是切实的为产品优化和运营的开展服务，正如产品人员的绩效，不仅仅是看产品项目是否按时完成，按时发布 ，更是要持续进行产品数据的观测分析，评估产品健康度，同时将积累的数据应用到产品设计和运营环节，例如亚马逊的个性化推荐产品，例如腾讯的圈子产品，例如淘宝的时光机产品等等。
1.4K40发布于 2019-08-23 - 来自专栏AIGC 先锋科技
无需训练，多路径推理机制，利用 LVLMs 的内生能力减轻错觉！
然而，它们仍存在与图像内容生成不一致输出（称为错觉）的问题。为了减轻错觉，以前的研究主要关注使用自定义数据集对LVLMs进行再训练。 尽管有效，但它们固有地伴随有额外的计算成本。 在解码过程中全面掌握图像中的信息，并谨慎考虑潜在答案的确信度，作者的 MVP 可以有效地减少 LVLMs 中的错觉。 广泛的实验验证了作者的 MVP 显著减轻了四种知名 LVLMs 中的错觉问题。 最后，通过多视图信息和解信驱动多路径推理，作者实现了减轻错觉的优越性能。 LVLMs Input and Decoding 输入LVLMs的处理包含图像和文本。 4 Conclusion 在本文中，作者提出了一种新颖的训练无框架MVP，通过多视图多路径推理充分利用LVLMs的固有能力来减少错觉。 借助多视图多路径推理，作者的方法有效减轻了LVLMs中的错觉。
42310编辑于 2024-09-25 - 来自专栏10km的专栏
C++11实现模板化(通用化)RAII机制
RAII（Resource Acquisition Is Initialization）,直译为“资源获取就是初始化”，是C++语言的一种管理资源、避免泄漏的机制。 RAII的例子 lock_guard C++11中lock_guard对mutex互斥锁的管理就是典型的RAII机制，以下是C++11头文件<mutex>中的lock_guard的源代码，看代码注释就清楚了 于是我利用C++11的新特性(类型推导、右值引用、移动语义、类型萃取、function/bind、lambda表达式等等)写了一个通用化的RAII机制,满足各种类型资源的管理需求。 更进一步简化 如果你觉得上一节的调用方式还是不够简洁，我们可以修改RWLock，添加一个静态成员函数make_guard对make_raii进行便利化封装，进一步隐藏RAII细节。 Type support (basic types, RTTI, type traits) 支持 C++11/14/17 功能（现代 C++）
92210编辑于 2022-05-07 - 来自专栏量子位
机器学习5年大跃进，可能是个错觉
解释一下，这个看似诡异的问题——“CIFAR-10分类器能否泛化到CIFAR-10？”，针对的是当今深度学习研究的一个大缺陷： 看起来成绩不错的深度学习模型，在现实世界中不见得管用。 这种特定的方法，也不一定能泛化到真实数据上。 深度学习的研究，很多时候使用了并不科学的方法。验证集过拟合是一个值得注意的地方。 Google Brain研究员David Ha也说，很期待在文本和翻译领域也有类似的研究，他说如果在PTB上也看到类似的结果，那可真是一个好消息，也许更好的泛化方法会被发现。
43010发布于 2018-07-20
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