- 综合排序
- 最热优先
- 最新优先
- 来自专栏全栈程序员必看
unity3D场景_3D夜晚场景
在学习阿发你好的网课过程中，学习完Unity的2D课程后深有感触，决定将3D学习过程一步步记录下来，也方便日后查询。 创建3D项目 Step1：在UnityHub中新建3D项目 Step2：将页面调整为2×3布局（项目中通常使用2×3） 新建项目 选择 window -> layouts -> 2 by 3 选择 window->General->Console 调出控制台 认识3D场景 天空盒skybox：上有蓝天，下有深渊，在计算机图形学学习过程中就有所涉及。 场景中还有什么？ 方向标识：3D视图导航器Gizmos； 坐标网格Grid，标识y=0坐标平面（一般不作调整）； 摄像机与光源。 添加一个物体 Hierarchy中右键，选择 3D Object->Plane 添加一个平面； 在Inspector窗口中将transform模块中的position置为0，0，0；把平面放于正中央。
73530编辑于 2022-09-22 - 来自专栏AIGC 先锋科技
无监督3D场景理解，LLM 在 3D 场景理解中的应用与探索 ！
构建能够理解和推理3D场景的模型很难，原因在于缺乏3D监督训练的数据来源和大规模训练策略。 在这项工作中，作者问到：在没有3D预训练的情况下，预训练语言模型中的知识如何被利用来理解和推理3D场景？ 最近，ConceptGraphs [4]改进了这些方法，构建一个稀疏开放词汇映射，编码物体语义（通过包括多模态语言模型如LLAVA [10]的先验）和场景图结构。 这使得作者可以构建3D地图而无需任何3D数据监督或大规模的训练模式。 图结构：作者用开放的词汇3D场景图（3DSG）表示场景，即。 作者使用LLaVA-13B [10]作为作者用于从 crops 中获取物体标签和字幕的多模态语言模型。作者更进一步，并要求LLaVA预测物体的颜色和材质，以便获得更丰富的场景表示。 ConceptGraphs框架使用预训练的多模态语言模型（如[10]中的LLaVA）来分配目标节点、标签和标题。
82910编辑于 2024-08-27 - 来自专栏全栈程序员必看
3D建模场景怎么做？
在开始做3d场景之前，我绘制了一些草图。选好需要的草图后(图01)，我用3ds max从标准几何体开始制作模型，还使用了像lathe，bevel以及unwrap uvw这类的基本修改器。 图04 场景中的照明我用的一个target directional light，但是我还是在photoshop中做了进一步的加工，因为我需要把背景和最终的渲染图混合。 场景我用了adaptive dmc作为图片样本，v-ray lanczos过滤器作为边缘抗齿距过滤，irradiance贴图做基本的反弹，brute force做次要反弹。没有用任何环境照明。 完成第一个渲染之后(图05)，开始用材质之前，场景看起来有点亮，就像一个阳光明媚的一天即将来临，但是我的目的却是恰恰相反的!我想要表达的是由于一场暴风雨的来临而被人们抛弃的小镇。 枯死的树木和背景中欣欣向荣的生态环境形成了鲜明的对比，我认为这样可以帮助提高场景的诡异效果。最后的润色我使用了curves图层来获得与场景和背景故事相匹配的氛围(图07)。
1.1K20编辑于 2022-09-05 - 来自专栏Mac软件的分享
Substance 3D Stager for mac(3D场景设计和渲染软件)
Substance 3D Stager是由Adobe开发的一款全新的3D场景设计和渲染软件，它可以让用户在一个直观的界面中轻松地创建、编辑和渲染高品质的3D场景。 图片Substance 3D Stager for mac(3D场景设计和渲染软件) Substance 3D Stager特色功能包括：独特的“放置模式”：可通过简单的鼠标拖动操作将各种3D模型、材质 、灯光等元素直接添加到场景中，实现快速布局和组织。 图片可视化的灯光编辑器：可直接在场景中调整灯光的位置、强度、颜色等属性，实时预览效果。支持第三方模型和材质：可以导入用户自己创建或从其他来源获取的模型和材质，并与软件内置素材进行混合使用。 图片Substance 3D Stager适用于广泛的应用场景，如游戏制作、影视特效、产品展示等。
78100编辑于 2023-03-17 - 来自专栏WOLFRAM
Mathematica 爱心首饰 II: 3D 场景首饰
01 初衷概念 我去年曾送过一枚3D打印的爱心吊坠给我的妻子。如今我在想，今年我该送点什么给拙荆作为她的生日礼物呢？更精确一点的提法，我该造点什么来表达我的爱呢？ 在 Mathematica 的老版本中，3D 图形的生成效果大致如下。 但是 Mathematica 12.3 以后可以采用 MaterialShading 这个新函数。 如我之前所述，经过3D打印和失蜡法铸造后，我收到了我的爱心首饰。银是一种表现流体的理想材质，颜色、成形、质感、表面都有相似相通之处。波干涉的曲面图案非常清晰和闪耀，用"波光粼粼"来形容正是恰当。 One more thing 另有一事值得一提，就是传统首饰和3D场景首饰的区别。一般传统首饰仅有一个视角比较好看，通常是正面视角。 而3D场景首饰可以从所有的视角进行欣赏，每个视角都充满了浓浓爱意，每个视角都向您述说一段爱情故事。
63510编辑于 2022-03-29 - 来自专栏全栈程序员必看
Unity入门 简单的3D场景制作
Unity入门 简单的3D场景制作 准备 1.在左侧层级视图(Hierarchy)右键创建3D Object下的Terrain场景 2.选中Terrain层,在右边的Inspector窗口设置场景面积大小为 选项，削削它们的锐气 8.地形构建完毕，那就应该给它安一个皮，上一层纹理，需要导入资源包操作如下图所示 9.导入成功后，选择Paint Texture-Create Layer，新建一个你喜欢的纹理 10 等会儿要用的资源包集合：链接: https://pan.baidu.com/s/1sJFm5MLvPFUjZCtZjDRFdw 提取码: 8fjs 1.在左侧层级视图(Hierarchy)右键创建3D Object下的Terrain场景 2.选中Terrain层,在右边的Inspector窗口设置场景面积大小为200×200 3.选择设置高度点击SetHeight选项，设置完参数点击Flatten 削削它们的锐气 8.地形构建完毕，那就应该给它安一个皮，上一层纹理，需要导入资源包操作如下图所示 9.导入成功后，选择Paint Texture-Create Layer，新建一个你喜欢的纹理 10
3.4K10编辑于 2022-09-06 - 来自专栏3D视觉从入门到精通
谷歌开源TensorFlow 3D场景理解库
、数据处理工具、模型和指标，使得更广泛的研究社区方便地开发、训练和部署 SOTA 3D 场景理解模型。 此外，TF 3D 提供了用于训练和评估标准 3D 场景理解数据集的统一数据集规划和配置，目前支持 Waymo Open、ScanNet 和 Rio 三个数据集。 3D 稀疏卷积网络 谷歌详细介绍了 TF 3D 库中提供的高效和可配置稀疏卷积骨干网络，该网络是在各种 3D 场景理解任务上取得 SOTA 结果的关键。 下图为 3D 稀疏体素 U-Net 架构： ? 稀疏卷积网络是 TF 3D 中所提供 3D 场景理解 pipeline 的骨干。 下图为 ScanNet 数据集中室内场景的 3D 语义分割结果： ? 3D 实例分割 除了预测语义之外，3D 实例分割的另一目的是将属于同一物体的体素集中分组在一起。
1K30发布于 2021-03-19 - 来自专栏数字孪生可视化
科幻3D场景必备要素—城市篇
科幻风的瓦片滤镜颜色不宜过浅，以突出建筑群体为主，城市地面可适当增加科幻元素进行点缀，增添地面细节。
74520编辑于 2022-02-15 - 来自专栏数字孪生可视化
科幻3D场景必备要素—地球篇
科幻地球首先要保证底图颜色干净，为了突出数据效果，底图不宜使用过多或过亮的色彩，干净即可，陆地和海洋要有一定的颜色或明暗区分，增加画面层次。
72030编辑于 2022-02-16 - 来自专栏数字孪生可视化
科幻3D场景必备要素—园区篇
在设计及制作3D场景时，为了让场景具备更加饱满的细节，这里为大家列举出来一些必备的要素和注意事项。 一.辅楼 园区周边应根据视野可及的范围去配备辅楼来丰富周边场景，辅楼必须提取自真实数据，如果周边没有真实数据，需要从有数据的地方将形态各异的辅楼进行提取后，手动根据地形区块划分摆好。 二.道路 在摆好根据数据生成的辅楼之后，需要将辅楼与主要园区之间的道路用3D MAX勾画出来。道路不要单纯的按照直线勾画，需要将道路分出正反两种流动方向，并在路口附近有转弯来增加真实感。 六.3D园区的画面层次 园区的画面层次要有轻重。最显眼第一层的应该是园区或者是园区中的主建筑。主建筑中最显眼的应该是建筑上的灯箱大LOGO，或者玻璃，其次是大范围的建筑。
59310编辑于 2022-02-10 - 来自专栏音视频技术
相机+激光雷达重绘3D场景
将激光雷达与相机结合，再通过深度学习的方式获得场景的3D模型——Ouster首席执行官在博客中介绍了相机OS-1，并装有激光雷达。LiveVideoStack对原文进行了摘译。 激光雷达数据具有突出的独特优势，——简举二例，如空间信息丰富、环境光照不敏感，——然而它缺乏类似于传统相机图像的原始（高）分辨率和高效的阵列存储结构，因而3D点云在神经网络学习或处理中迄今缺乏高效快速的硬件算法及实现 OS-1捕获近红外信号和环境数据，因此数据非常类似于相同场景的可见光图像，这使得数据具有自然的外观，且为摄像机开发的算法很好地转换为数据提供了更高的可能性。 v=JxR9MasA9Yc 因为每个像素都提供了所有的数据，所以我们能够无缝地将2D掩码转换为3D帧，以进行额外的实时处理，如边界框估计和跟踪。
57920发布于 2021-09-01 - 来自专栏学习与分享
Redis的10种使用场景
今天这篇文章就跟大家一起聊聊，我在实际工作中使用Redis的10种场景，希望对你会有所帮助。 1. 统计访问次数 对于很多官方网站的首页，经常会有一些统计首页访问次数的需求。 该业务场景可以使用Redis，定义一个key，比如：OFFICIAL_INDEX_VISIT_COUNT。 比如：限制同一个ip，1分钟之内只能访问10次接口，10分钟之内只能访问50次接口，1天之内只能访问100次接口。 如果超过次数，则接口直接返回：请求太频繁了，请稍后重试。 接收的结果：{}", deserialize.toString()); } else { log.info("其他服务处理中"); } } } 10 生成全局ID 在有些需要生成全局ID的业务场景，其实也可以使用Redis。
3.1K20编辑于 2024-07-19 - 来自专栏HT
如何让 3D 数字孪生场景闪闪发光
今日图扑软件功能分享：我们将探讨 HT 系统如何通过分组管理灯光、裁切体和流光，以提高场景光影效果的精准度和整体可控性。 HT 中的灯光、裁切体、流光是会影响它所在区域一定范围内的其他节点的表现，如 场景中有个 A 灯光，默认情况下，场景中所有节点都是可以受到 A 灯光的影响。 效果展示 灯光分组 在此场景中，我们设置了两个灯光分组，分别影响车辆的不同部位，使得案例呈现出更加丰富的效果。 这种灯光分组的应用不仅提升了场景的层次感，还使得重点部分更加引人注目。 流光分组 流光效果在现代三维可视化和动画制作中发挥着重要作用，能够赋予场景独特的科技感和动态美感。 如果您有更多有趣的想法或应用场景，欢迎随时交流，分享您的见解和经验，一同探索分组技术的更多可能性。
31510编辑于 2024-07-10 - 来自专栏媒矿工厂
CVPR 2023 | MIME: 人物感知的 3D 场景生成
为了训练 MIME，本文构建了一个包含交互人物和自由空间人物的 3D 场景数据集 3D FRONT HUMAN。 实验表明，MIME 生成的 3D 场景支持人物接触和运动，并能够在自由空间中填充可信的物体。 引言 图 1：从人物运动估计 3D 场景。给定 3D 人物动作，我们可以重建运动可能发生的 3D 场景。 为了从 3D 人物运动生成 3D 室内场景，我们提出了 MIME（Mining Interaction and Movement to infer 3D Environments）来生成与人物运动相一致的室内场景 图 3：使用碰撞损失和接触损失进行场景细化。 模型生成的场景由 3D 边界框表示。根据边界框的大小和类别标签，我们从 3D FUTURE 中检索最接近的网格模型。 实验 定量结果 表 1：3D FRONT HUMAN 测试集上的定量比较。穿模损失、2D IoU 和 3D IoU 用于评估生成场景中人物与场景的交互。
62010编辑于 2024-01-23 - 来自专栏点云PCL
点云深度学习的3D场景理解（下）
上文请看点云深度学习的3D场景理解（上） PointNet++ PointNet 缺陷 1. 对比3Dcnn3D和2D很像，只是变成了3D卷积，多级学习 不断抽象特征，平移不变性。 ? PN在三维场景理解中的应用 点云支持我们探索全新的解决方案，基于3D数据的解决方案 ? 之前的工作是怎么处理三维物体的呢？ ? 具体在3d场景理解中，3d物体识别的应用 AI不仅仅在场景理解中有用，产品设计，图片集合中 图片之间的关系。 数据集，部件分割shapenet part 场景 s-3d-s scan-net 如果仅仅使用雷达，做3D物体检测，有没有可能进行拓展？ 10 有没有可能直接用PN++ 直接对点云数据做检测？ voxelnet 是解决类似的问题 11 voxelnet 只对点云数据训练做到kitti第一？
2.3K31发布于 2019-07-30 《3D古城场景角色碰撞优化的实战指南》
可破坏物体的实时物理计算是另一大性能瓶颈，尤其是场景中密集分布的陶罐（南大街、东市等区域单区域30-50个，全场景共200+个）。 此外，我们还加入“距离衰减”逻辑优化性能：当陶罐距离相机超过15米时，碰撞后仅播放破碎动画（无实体碎片生成），通过视觉欺骗降低计算量；距离10-15米时，生成50%碎片；仅距离＜10米时，生成完整碎片， 优化后，单个陶罐破碎的CPU占用峰值从3.2%降至0.8%，全场景同时破碎10个陶罐时，CPU占用率仅上升5%，远低于优化前的18%。 移动端适配是开放世界3D开发的重点难点，古城废墟场景的物理碰撞在中端机型（如天玑8100、骁龙778G）上初期表现不佳：角色走在南大街石阶上时，因石阶碰撞体精度过高（面数150+，包含台阶边缘的磨损细节 空隙）；踩踏陶罐时，碰撞反馈（角色受力下沉2cm）与动画（脚部直接落地无下沉）不同步，显得僵硬，玩家调研中“交互真实感”评分仅6.2分（满分10）。
28310编辑于 2025-10-20- 来自专栏刘旷专栏
3D机器视觉厂商的场景争夺战役
据智慧芽数据显示，灵西机器人目前共有20余件专利申请，其中10余件发明专利已获得授权，公司的专利布局主要集中于机器人、标定方法、虚拟相机等技术领域。 梅卡曼德扩大场景优势梅卡曼德和灵西机器人一样，专注3D机器视觉技术，为传统企业提供AI+3D+智能工业机器人解决方案，在3D机器视觉市场颇有建树。 梅卡曼德不断拓展和深入汽车、家电、钢铁厂、食品、物流仓、医药、金融等多个领域，积累了1000+全球案例，业务覆盖中、日、德、美、新等10余国家。 工业4.0时代，应用场景是机器视觉厂商是发展3D机器视觉业务的重要资源，梅卡曼德布局的场景广而大，未来持续扩大规模优势，行业应用将实现进一步突破，市场地位也更稳固。 机器视觉市场蓝海广阔，涌入机器视觉赛道的玩家络绎不绝，3D机器视觉技术有望得到深化，应用场景也越来越多。在此趋势下，机器视觉企业争相发力寻找落地场景，以期塑造新的增长曲线，应用落地变得紧迫。
39310编辑于 2022-07-30 - 来自专栏CSDN社区搬运
用二维图像渲染3D场景视频
概述 NeRF（Neural Radiance Fields）是一种神经辐射场，用于将图像转换为3D场景表示。 然而，在不同分辨率的训练或测试图像观察场景内容时，NeRF的渲染过程可能会产生过度模糊或伪影的图像。 原理介绍 传统NeRF的原理 NeRF使用一个连续的5D函数来表示场景，并使用少量的输入视图来优化这个函数以生成复杂场景的新视角。 NeRF使用基于MLP的全连接神经网络来表示场景，输入为一个连续的5D坐标，包括空间位置(x,y,z)和观察视角(θ, φ)，输出为该空间位置的体密度σ和与视角相关的RGB颜色。 MLP输出密度和颜色，用于渲染场景。
52210编辑于 2024-12-09 - 来自专栏点云PCL
点云深度学习的3D场景理解（上）
本文主要是关于 pointNet，pointNet++，frustum point 的一些整理和总结，内容包括如何将点云进行深度学习，如何设计新型的网络架构，如何将架构应用的3D场景理解。 背景 近来很多3D的应用在兴起，3D传感器在进步，随着虚拟网络的发展转到物理实际中的应用，比如（ADAS，AR，MR）自动驾驶中需要理解 汽车行人交通标识，同时也需要理解三维物体的状态静止和移动。 AR头戴显示器有深度传感器，也需要做三维场景的理解。例如把todo_list合适的放到冰箱的门上，需要一种数据驱动的方式去理解和处理三维数据，3D deep learning。 三维表达的形式 ? Point c'loud 是一种非常适合于3D场景理解的数据，原因是： 1、点云是非常接近原始传感器的数据集，激光雷达扫描之后的直接就是点云，深度传感器（深度图像）只不过是一个局部的点云，原始的数据可以做端到端的深度学习 所以栅格并不是对3D点云很好的一种表达方式 2、有人考虑过，用3D点云数据投影到2D平面上用2D cnn 进行训练，这样会损失3D的信息。
2.8K30发布于 2019-07-30 - 来自专栏全栈程序员必看
Unity 基于eventTriggers的3D场景交互系统「建议收藏」
Unity 基于eventTriggers的3D场景交互系统 Unity里的3D项目有时候需要大量的交互，而且是无UI的交互。
1.2K20编辑于 2022-09-05
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