- 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。 3.中间那个框，真的是正方形的 ? 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。 二、利用视错觉实现图片蒙版 本部分我要实现常见的图片蒙版，就是你看上去同一张图片不同的区域会有不同的颜色。
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。
55020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。 : 10vw; background: white; } .row:nth-child(even) { justify-content: center; } .row:nth-child(3n 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。 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？
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 [ Tube[BSplineCurve[{{1, 1, -1}, {2, 2, 1}, {3, 3, -1}, {3, 4, 1}}]]] pts = {{-1, -1}, {2.5, -2}, {2.5 = Transpose[Transpose[pts]~Join~{ConstantArray[-1, 4]}]; Graphics3D[{{BSplineCurve[pts3D], Green, Line [pts3D], Red, Point[pts3D]}, {Orange, Specularity[White, 20], GraphicsComplex[2 v, Tube[i, .1]]}},Boxed 1}][3 {1, 0, 1}]}, Show[\!
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？？？
模棱两可的四重奏 [1] 3：然后不要移开眼睛，看上图‘模棱两可的四重奏’。[1] 此时你会看到“四重奏”看起来是沿着与你一开始相反的方向—竖直/水平跳跃的。 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。 ? [3] 该圆盘的一半被涂成黑色，而另一半则是白色背景，将其沿着直径方向分为四个部分，并在每个部分上面绘制了多个45度的同心圆弧。旋转圆盘，颜色就会出现在圆圈中。他们会根据速度和方向的变化而变化。 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。 -维基百科 [3] Benham's disk-维基百科 [4] Nature，1894：51：113-114 [5] rods and cones-罗切斯特理工大学 [6] Fechner color
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。 （3）构成组块的基本步骤 ① 进行组块的第一步，就是要把注意力集中在需要组块的信息上。要是你走神，章鱼触手可就抓不紧了。 ② 组块活动的第二步是理解。要把基本概念打包成组块，首先要理解这个基本概念。 （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
2.4K30发布于 2018-12-27 - 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。 如图3所示，仅使用正规视角标题，LaVA-1.5 模型平均可识别每个图像的16.43 个目标，而当采用三个视角时，平均可识别到36.66个目标。 3 Experiment Evaluation Benchmarks 参考前人研究工作（Leng等人，2023; 黄等人，2023），作者使用以下两个评估标准：POPE和MME。 3.4.1 Effectiveness of Multi-view Caption 表3从不同的角度呈现了性能。第一行展示不使用任何额外标注信息时的性能，而第2-4行分别使用单一视角。
42310编辑于 2024-09-25 - 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 - 来自专栏机器之心
怼完OpenAI，LeCun回应：我认为意识只是一种错觉
一些哲学家、神经科学家和认知科学家认为这只是一种错觉（illusion），我非常认同这种观点。 我有一个关于意识错觉的猜想。我的假设是：我们的脑前额叶皮质中有一个世界模型「引擎」。 监督配置器的存在可能是让我们产生意识错觉的原因。但有趣的是：我们需要这个配置器，因为我们只有一个世界模型引擎。如果我们的大脑足够大，可以容纳许多世界模型，我们就不需要意识。
37520编辑于 2022-03-04 - 来自专栏一个执拗的后端搬砖工
springboot(3)--持久化
这里简单描述一下连接池与持久层框架的区别，连接池是简化了我们的程序 连接数据库操作，而持久层框架更多的关注将编程语言映射成sql结构化语言， 两者协同操作，并且后者依赖于前者。 springboot&jpa JPA是Java Persistence API的简称，中文名Java持久层API，是JDK 5.0注解或XML描述对象－关系表的映射关系，并将运行期的实体对象持久化到数据库中 user3Dao; @GetMapping("/dbutils/list") private Object dbUtilsList() { return this.user3Dao.findAll 2.偏向自动化操作 jpa更好的封装了底层sql操作，对上层开发者透明，对于一些简单的操作场景效率特别高，但是对于一些复杂的操作和场景还是需要自己实现。 3.偏向敏捷操作 jooq使用java编程语言模拟了mysql操作，开发人员使用jooq写出来的java代码更像是sql语言。
1.4K30发布于 2020-11-19 - 来自专栏python3
Python3学习3 格式化 % for
一、%格式化 1.整数输出 %d # 十进制 %o # 八进制 %x # 十六进制 print("%d"%23) # 23 print("%o"%23) # 27 print("%x"% 2.3333) #2.333300 print("%.2f"%2.8888) #2.89 四舍五入 print("%e"%2.3333) #2.333300e+00 print("%.3e #2222.33 print("%g"%22888822.3333) #2.28888e+07 print("%.7g"%2222.8888) #2222.889 .7是有效数字的个数 print("%.3g 通过下标或key值匹配参数 c1 = [2, 3, 4] c2 = [5, 6, 7] print('{} {} {}'.format(c1[0],c1[1],c1[2])) # 2 3 4 print ('{0[1]} {0[2]} {1[1]}'.format(c1, c2)) # 3 4 6 6.
44530发布于 2020-01-13 - 来自专栏WOLFRAM
Wolfram神经网络训练营回顾：狗与蝴蝶的光学错觉
骗过人的视错觉也会骗过电脑吗？也许反过来也可以？ 这篇博客是为神经网络和计算机视觉的初级用户进行的探索，它使用了一个计算机视觉缺陷的例子。愚弄神经网络我们先来介绍一下生成式对抗网络（GANs）。 计算机是如何看的 计算机将图像看作是一个3阶的张量。位于图像中的每个像素都有三个与之相关的值，对应于红、绿、蓝（RGB）。计算机读取这三个值并将其转化为我们可以看到和理解的光线。 这些差异在研究人类和机器都会陷入的视错觉时变得明显。 让我们利用Wolfram数据存储库的一些例子数据来证明这一点。 foolNet正在最小化创建的新图像的损失（或错误概率）。 foolNet使用Inception V1的结构，并增加了损失层。输出或目标是修改后的权重张量。这个张量也可以被转换回一个图像。
47130发布于 2021-07-08 - 来自专栏青玉伏案
视错觉：从一个看似简单的自定义控件说起
在做一些UI效果时我们可以利用视错觉的一些东西，让用户看到的是一个东西，其实你实现的又是一个东西。原则是想方设法骗过用户的眼睛。视错觉如果和UI实现结合起来，有时会产生意想不到的效果。 另一篇使用Mask实现同样效果的博客地址如下：http://www.cnblogs.com/ludashi/p/5671133.html 一.视错觉的概述 引用--“视错觉就是当人观察物体时，基于经验主义或不当的参照形成的错误的判断和感知 视错觉的常用例子：矮中见高、虚中见实、冷调降温、粗中见细、曲中见直等等常用的手法。说这么多，接下来我想用一组图来直观的感受一下视错觉。（图片来源与网络） 1.这里不是起点，那里也不是终点。 3.一个非常经典的幻觉。 ? 上面是在网上找的视错觉的图片，像上面这些视错觉的经典案例还有很多呢，请大家自行百度吧。上面算是今天博客的引子吧，接下来就和开发有关了。 这些Label用来显示常规的字体颜色（未选中时的颜色）（黑色的字） (2) 在之前的Label上添加一层View , 动画元素，高亮显示的字体，点击的按钮都在这个View上 (3)
93060发布于 2018-01-11 - 来自专栏机器之心
纪念碑谷式错觉图像都被「看穿」，港大、TikTok的Depth Anything火了
甚至有试用者发现它还能正确处理埃舍尔（M.C.Escher）那充满错觉的绘画艺术（启发了《纪念碑谷》等游戏和艺术）： 从水上到水下，丝滑切换： 更好的深度模型也得到了效果更好的以深度为条件的 ControlNet 团队使用 6 个公共数据集和随机拍摄的照片评估了新方法的零样本能力，其泛化能力非常出色。 这篇论文的主要贡献包括： 强调了大规模、低成本和多样化无标注图像的数据扩展对 MDE 的价值。 零样本相对深度估计 研究者在六个具有代表性的不可见数据集 KITTI、NYUv2、Sintel、DDAD、ETH3D 和 DIODE 上全面验证了 Depth Anything 模型的零样本深度估计能力 如 NYUv2 表 3 所示，Depth Anything 模型明显优于之前的最佳方法 VPD，δ_1 (↑) 从 0.964 → 0.984，AbsRel (↓) 从 0.069 提高到 0.056。
65910编辑于 2024-01-23
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