- 综合排序
- 最热优先
- 最新优先
- 来自专栏云渲染知识科普
AI渲图效果如何？AI渲染图网站有哪些？
随着人工智能技术的飞速发展，AI在图像渲染领域的应用也取得了令人瞩目的成果。AI渲图技术的出现，为设计师、艺术家和创意工作者提供了一种全新的创作方式。那么，AI渲图的效果究竟如何？ 又有哪些值得推荐的AI渲染图网站呢？让我们一起来探索这个奇妙的世界。AI渲图的效果究竟如何？让我们来谈谈AI渲图的效果。随着算法的不断优化和模型的持续改进，AI渲图的效果已经达到了令人惊叹的水平。 通过这些AI渲染图网站，我们可以轻松地实现各种AI渲图的需求。无论是在设计、艺术还是其他领域，AI技术都为我们提供了一种全新的创作方式。 相信随着技术的不断进步，AI渲图的效果将会越来越好，为我们带来更多的惊喜。让我们一起期待AI技术在图像渲染领域的更多突破和创新！在这个AI技术飞速发展的时代，AI渲图已经成为了一种不可或缺的创作工具。 无论是在效果上还是在应用上，AI渲图都展现出了巨大的潜力和价值。让我们一起拥抱这个技术，探索更多的可能，让AI技术为我们的创作插上翅膀！
2.3K11编辑于 2024-09-09 - 来自专栏代码编写世界
使用GDAL实现DEM的地貌晕渲图(一)
如果要体现出地形的起伏变化，需要得到地貌晕渲图才行。晕渲法假设地形接受固定于某一位置光源的平行光线，随坡面与光源方向的夹角不同，产生不同色调明暗效果。 因此，对于太阳高度角α和太阳方位角β，日照光线的单位向量n(x,y,z)为： X = cos(α)*cos(β); Y = cos(α)*sin(β); Z = sin(α); 3) 晕渲强度 在文献 [1][2]中提出由格网点法向量与光源方向的夹角，确定当前格网点的晕渲强度值。 其晕渲图像素值i_cellvalue_hillshade计算公式如下所示（其中d_vectorvalue是法向量，a_rayvector是日照方向向量）： ? 这里只是得到了晕渲的灰白强度图，后续会继续实现彩色晕渲图的实现。 3. 参考 [1].地貌晕渲图的生成原理与实现.丁宇萍,蒋球伟 [2].DEM-地貌晕渲图的生成原理
1.5K30发布于 2019-08-13 - 来自专栏代码编写世界
使用GDAL实现DEM的地貌晕渲图(二)
问题 之前我在《使用GDAL实现DEM的地貌晕渲图(一)》这篇文章里面讲述了DEM晕渲图的生成原理与实现，大体上来讲是通过计算DEM格网点的法向量与日照方向的的夹角，来确定该格网点的晕渲强度值。 但其实关于这一点我不是很理解，这样做随着坡面与光源方向的夹角不同，确实产生了不同色调明暗效果；但晕渲图同时又有“阴坡面越陡越暗，阳坡面越陡越亮”的特性的，而阴阳坡面的划分又是跟坡度和坡向相关，之前的生成方法能体现出这种特性吗 经过查阅资料，却在ArcGIS的帮助文档《山体阴影工具的工作原理》（在线版本可查看这篇文章《ArcGIS教程：山体阴影工作原理》）中查阅到了晕渲图的另外一种生成算法。 我这里通过GDAL实现了晕渲图的生成： #include <iostream> #include <algorithm> #include <gdal_priv.h> #include <osg/Vec3d 后续会正式在这个基础之上实现彩色的晕渲图。 3. 参考 [1]. ArcGIS帮助：山体阴影工具的工作原理。 [2]. 基于视觉表象的彩色晕渲地图色彩设计.郭礼珍等.2004
1.2K30发布于 2019-08-13 - 来自专栏代码编写世界
使用GDAL实现DEM的地貌晕渲图(三)
原理 之前在《使用GDAL实现DEM的地貌晕渲图(一)》和《使用GDAL实现DEM的地貌晕渲图(二)》这两篇文章中详细介绍了DEM生成地貌晕渲图的原理与实现。 不过之前生成的都是晕渲强度值对应的灰度图，而实际的应用过程中都会将DEM晕渲成彩色图。 1) ArcMap生成彩色晕渲图 可以通过ArcMap的做法来参考如何生成彩色晕渲图（参考[1]），在ArcMap中生成彩色晕渲图的步骤如下： 通过山体阴影工具生成灰度晕渲图，这一点与前面文章介绍的相一致 然后在原DEM图的显示中，选择最大最小拉伸显示，然后选择一个合适的彩色色带赋值。 最后，将步骤一的灰度晕渲图设置一定的透明度，叠加到步骤二的彩色图上，就生成了最终具有立体感的彩色晕渲图。 ArcMap生成的彩色晕渲图： ? 2) 彩色色带赋值 不难发现，生成彩色晕渲图的关键是第二步：要选取合适的色带，让色带根据对应的高程赋值。
1.8K31发布于 2019-08-13 - 来自专栏机器学习/数据可视化
pyecharts-11-绘制饼图
Pyecharts-11-绘制饼图 饼图在实际的工作还是会经常使用，能够很清晰的显示各类数据和占比情况，曾经在工作中绘制了环饼图和多饼图的结合。 本文中介绍的是如何利用Pyecharts绘制饼图和进阶的环状饼图和玫瑰图 基本案例 位置和颜色 图例滚动 环形饼图 多饼图 玫瑰图 ? 环形饼图 x_data = ["直接访问", "邮件营销", "联盟广告", "视频广告", "搜索引擎"] y_data = [335, 310, 234, 135, 1548] c = ( , radius=[60, 80], ) .add( "", [list(z) for z in zip(["惊悚", "其他"], [11 环状饼图 本案例讲解的是如何绘制环状饼图（内嵌饼图） import pyecharts.options as opts from pyecharts.charts import Pie from pyecharts.globals
4.1K20发布于 2021-03-01 - 来自专栏数据小魔方
sparklines迷你图11——Composition(Stacked)
今天要分享的是sparklines迷你图系列12——Composition(Stacked)。 Stack中文含义为堆积，该图表也就是我们常用到的堆积图。 通过函数填充功能，可以做出一排整齐的堆积图。
74970发布于 2018-04-11 - 来自专栏点点GIS
黄土地貌鞍部的提取
六、操作步骤 1、正地形、等高线和晕渲图的提取 同山脊线与山谷线的提取中一样，由于鞍部点的整体位置是处于山脊上的，需要提取出正地形以舍弃那些在负地形上的错误的提取结果。 提取过程分别是：利用11×11窗口进行提取平均值的邻域分析，结果为meandem（图1）；原始DEM与meandem相减（图2），并以0为界进行重分类，大于0的属性重新赋值为1，小于0的赋值为0，结果命名为 利用spatial analyst菜单下的surface analysis菜单中的contour和hillshade工具分别提取研究区域的等高距为40m的等高线数据ctour（图5）和研究区域的晕渲图hillshade 图1 用11×11窗口进行提取平均值的邻域分析 ? ? 图2 原始DEM与meandem相减 ? ? 图3 以0为界进行重分类 ? 图4 重分类的结果 ? ? 图20 重分类数据 (4) 将栅格数据rasteranbu2转成矢量结构数据anbudian，如图21，并配合等高线数据和晕渲图对矢量形式的鞍部点数据进行编辑，剔除那些处于研究区域边缘以及内部的伪鞍部点
1.3K10发布于 2021-08-18 - 来自专栏机器学习/数据可视化
Highcharts-11-饼图绘制大全
Highcharts-11-利用Highcharts绘制饼图 本文中介绍的是如何利用python-highcharts绘制各种饼图来满足不同的需求，主要包含： 基础饼图 单色+多色饼图制作 带上图例+数据的饼图 双层饼图的制作 扇形饼图 ? 我们改变下设置，绘制另一种颜色的饼图： ? ? 多色饼图 如果我们想某几个区块显示相同的颜色，可以设置相同的数值，首先看看具体的效果图： ? ? 双层饼图 上面介绍了各种单个饼图的制作，下面讲解如何利用python-highcharts制作双层饼图。看看整体的效果： ? 扇形图 上面介绍的都是如何制作各种饼图，下面介绍一种制作$\color{red}{扇形图}$的方法。首先看看整体的效果： ? 上面显示了5个类别的数据，同时显示了图例，并且在扇形图中显示了数据。
2.4K30发布于 2021-03-08 - 来自专栏量子位
AI战略投资全景图：11个行业200多家巨头最爱什么样的AI创业公司？
哪些AI细分方向最受重视？MDI Ventures美国投资总监Kyle Kling分析了11个行业的200多家公司，得出了一些规律。 量子位编译整理出来，预知详情如何，且看下面分解： ? 我分析了200多家美国最活跃的企业风险投资基金和最有影响力的公司，横跨11个行业，目标是找出： 哪些人工智能子类别在不同行业中获得了最多的资金； 哪些公司在各个行业的人工智能投资方面处于领先地位； 每个行业最受欢迎的人工智能创业公司是哪些 我研究了下列11个行业： 科技巨头（前15个规模最大或最有影响力的科技公司） 金融（全球最大、最活跃的银行或金融机构） 电信（各个大陆最大的电信公司） 电子制造商（最大的半导体、芯片和电子设备制造商） 拥有最多企业投资者的创业公司是Kensho、CYNGN、MindMeld、Moneytree、Maana、 Lemonade、H2O.ai和Bonsai。 原文地址：https://www.linkedin.com/pulse/how-corporate-giants-invest-ai-kyle-kling/
1.1K60发布于 2018-03-21 - 来自专栏腾讯云TI平台
AI Talk | AI工业质检之以图搜图引擎
伴随人工智能的极速发展，AI工业也随之大放异彩，工业质检是整个制造中一个非常重要的环节，传统人工工业质检缺乏统一性标准，人工质检效率低，人工质检失误多，制造企业招工难，AI智能质检也随之被各大AI公司看好 ，AI质检具有天然优势，成本低，效率高等，但如何工业AI质检有效落地是我们面临的一个巨大挑战，工业有本身行业的特殊性，质量标准，生产工艺，产品多样性都给AI质检系统带来阻力。 今天一篇“AI工业质检之以图搜图引擎”带大家如何解决工业漏检问题，如何回溯漏检历史现场。 01 产品功能/使用 工业质检主要指标问题：过杀与漏检， 过杀是指工业产品是完好样品被AI质检系统判定为缺陷样品，漏检是指工业产品是缺陷样品被AI质检系统判定为完好样品，漏检的分析问题定位也是整个AI质检系统最难课题之一 以图搜图引擎就是以这样背景情况设计出来，终极目的回溯漏检历史现场。
1.6K20编辑于 2022-01-27 - 来自专栏腾讯云TI平台
AI Talk | AI工业质检之以图搜图引擎
智能质检也随之被各大AI公司看好，AI质检具有天然优势，成本低，效率高等，但如何工业AI质检有效落地是我们面临的一个巨大挑战，工业有本身行业的特殊性，质量标准，生产工艺，产品多样性都给AI质检系统带来阻力 今天一篇“AI工业质检之以图搜图引擎”带大家如何解决工业漏检问题，如何回溯漏检历史现场。 01产品功能/使用 工业质检主要指标问题：过杀与漏检， 过杀是指工业产品是完好样品被AI质检系统判定为缺陷样品，漏检是指工业产品是缺陷样品被AI质检系统判定为完好样品，漏检的分析问题定位也是整个AI质检系统最难课题之一 以图搜图引擎就是以这样背景情况设计出来，终极目的回溯漏检历史现场。 ，这时就可以利用点位设计，把漏检样品二次拍摄，挑选样品特征明显的点位，根据单点位图像搜图漏检历史现场，这样可以节省巨大搜图时间，也同时提高搜图命中率。
2.4K31发布于 2021-09-28 - 来自专栏C++系列
Windows11轻松部署开源AI生图软件Fooocus与远程访问使用指南
前言 本篇文章将介绍如何在本地Windows11电脑部署开源AI生图软件Fooocus，并结合Cpolar内网穿透工具轻松实现公网环境远程访问与使用。 Fooocus 是一个图像生成软件（基于 Gradio），目前最流行的文生图大模型是 Stable Diffusion，只不过它的配置要求相对较高且需要更多的手动配置。 本地部署Fooocus图像生成软件 本篇文章测试环境：Windows11 配置要求：最低要求是 4GB Nvidia GPU 内存 （4GB VRAM） 和 8GB 系统内存 （8GB RAM） Fooocus
1.6K10编辑于 2024-11-05 学设计，现在有哪些好用的AI工具推荐？
，不用你反复调建模角度，渲一张图要等几个小时，现在几分钟就能出不同风格的效果图，改方案的时候老师要什么风格当场就能出，再也不用熬大夜改模型。 要是经常要抠图、改图的同学，可以试试MagicEraser，上传图片之后直接抹掉你不想要的元素，比如你拍了个产品图，背景里有个多余的杂物，抹一下就没了，完全看不出痕迹，还有AI扩图的功能，你做的图尺寸不对 三、技能提升与复盘阶段：帮你把“踩过的坑”变成真本事很多人以为AI工具只能用来干活出图，其实用来学习提升也特别香。 还有做作品集的时候，很多同学只会堆图，不知道怎么讲自己的设计思路，AI可以帮你梳理整个作品集的逻辑，给你写每个作品的设计说明，帮你优化排版思路，面试的时候说出来都显得专业很多。 我个人的看法是，现在学设计真的不用死抠软件操作了，那些重复性的抠图、调参数、渲图的工作交给AI去做就好，你把更多的时间放在设计思维的锻炼、用户需求的理解上，你的竞争力反而会比只会死磕软件的同学强得多。
21110编辑于 2026-05-13- 来自专栏最新最全的大数据技术体系
AI绘画普及课【二】图生图
三、图生图 内容概要： 1、图生图原理 2、图生图基本流程 3、随机种子作用解析 1、图生图原理 图生图可以帮你把一张图片画成另一种模样。 在文生图中我们看到，AI文生图是有一定的随机性的，画出来的东西不一定完全满足我们的需求。在现实生活里，这种对需求的传递偏差与错误解读其实也普遍存在。比如天天干架的产品经理和程序员、甲方客户与设计师。 我们和AI之间的交流，可以把一张图片给他作为参考，来生成一张新的图片。 2、图生图的三个关键步骤 第一步：导入图片 第二步：书写提示词 第三步：参数调整 3、参数技术性解析 直接参考文生图的提示题。 4、随机种子的含义研究 AI生成画面是随机的，但它的每一次生成都有自己的一套描绘方式，而这个描绘方式，就会被记录成一组随机数，这个东西，我们就把它叫做一个随机种子。 从它的视角看，你说AI绘画是抽卡其实基本是正确的，因为你每生成一次，就会得到一个随机种子。有的种子效果好，有的种子效果差。
1.3K30编辑于 2023-09-27 - 来自专栏用户1692782的专栏
11——FFmpeg命令行实现视频抠图
一、前言 说到抠图，大家第一时间可能想到的是图片，想到的是强大的PS（Photoshop）,对于视频而言，也可以实现抠图，使用FFmpeg命令行即可实现这一点。 -shortest: 表示在最短输入内编码 -filter_complex: 表示使用复杂滤镜 chromakey=red:0.3:0.9: chromakey是抠图时所使用的核心滤镜，其后参数用于抠图 ，另一个有比较明显的底色，我们在该视频抠图。 笔者所测用于抠图的视频，是选了两张红底的人像照片做成的，目的为了演示效果更直观。如下图： 目标视频（in_1.mp4） ? 用于抠图视频(in_3.mp4) ? dis_k=714e3ffab98226f0693778a26c1e34fd&dis_t=1586508279 六、抠图合并后效果图 ?
3.8K10发布于 2020-04-10 - 来自专栏前端桃园
动图演示11个必备 VS Code 插件
附 gif 图. 参考文章: 翻译文章[1] 提升开发效率的插件 1. Better Comments ? Better Comments 你可以使用不同的前缀来让注释显示为不同的颜色。 保持一样的 prettier 配置, 在团队合作中也是非常重要的. 11. Version Lens ? 跟踪 npm 包 的所有最新版本可能很麻烦。版本镜头显示你如何内联你安装的版本包。
85220发布于 2020-02-26 - 来自专栏机器学习/数据可视化
plotly-express-11-plotly实现柱状图
本文中介绍的是如何在plotly中绘制柱状图Bar 基于px.bar 基于go.Bar ? 透明度设置 ) # 数据部分：一定是列表的形式 data = [trace] # 布局设置 layout = go.Layout( title = 'Prime genre', # 整个图的标题 堆叠柱状图 When several rows share the same value of x (here Female or Male), the rectangles are stacked on # 多组数据用列表的形式 go.Bar(x=animals,y=values_2,name="guangzhou Zoo"), ]) # change the bar mode：更新柱状图的 mode fig.update_layout(barmode="stack") # 堆叠图的形式 fig.show() ?
2.3K10发布于 2021-03-01 - 来自专栏脑洞前端
动图演示11个必备 VS Code 插件
附 gif 图. 参考文章: 翻译文章[1] 提升开发效率的插件 1. Better Comments ? Better Comments 你可以使用不同的前缀来让注释显示为不同的颜色。 保持一样的 prettier 配置, 在团队合作中也是非常重要的. 11. Version Lens ? 跟踪 npm 包 的所有最新版本可能很麻烦。版本镜头显示你如何内联你安装的版本包。
1.9K20发布于 2020-03-03 - 来自专栏程序小小事
2025最新AI抠图神器推荐：AI抠图工具免费下载
相信很多小伙伴在工作中都遇到过需要抠图的情况，传统的PS虽然强大但学习成本高，操作复杂。而现在，AI技术的发展让这一切变得轻而易举！ 鲜艺AI抠图：免费高效的图片处理解决方案鲜艺AI抠图是一款完全免费、无需联网、支持批量处理的AI抠图工具，自从在吾爱论坛发布以来就获得了大量用户的好评。! 等常见图片格式操作灵活：支持单张处理和批量处理两种模式超便捷的操作方式这款软件提供了多种图片导入方式：直接选择图片文件拖拽图片到软件界面粘贴剪贴板中的图片粘贴图片网络链接直接从网页拖入图片令人惊艳的抠图效果让我们通过实际演示来看看这款软件的表现 多场景适用性测试人物抠图：发丝级精细处理物品抠图：边缘清晰干净复杂背景：轻松应对各种挑战性场景便捷的输出选项处理完成后，你可以：复制到剪贴板直接使用保存为透明背景的PNG文件导出为其他常见图片格式获取方式我已经为大家准备好了这款软件的下载链接 ： 阿香婆免费获取地址 抠图免费获取地址更多实用工具和技巧，欢迎关注【程序视点】，回复抠图获取更多相关内容！
73210编辑于 2025-08-28 - 来自专栏AI系统
【AI系统】图算 IR
首先介绍计算图的基本构成，包括计算图的整体介绍、与自动微分的关系、控制流的表示方法等；接着将介绍 AI 框架产生计算图的方式，包括产生静态图和产生动态图的方式；之后将介绍静态和动态计算图的内容，包括 AI 框架关于计算图的不同方案，例如现在大部分的 AI 框架都是从动态的计算图转到静态的计算图，而 MindSpore 是一开始支持静态的计算图，最后支持动静统一的动静态计算图；最后介绍计算图对 AI 编译器有何作用 基于计算图 AI 框架目前基于计算图的 AI 框架主要由基本的数据结构 Tensor 张量和基本的运算单元 Operator 算子组成。 AI 框架如何生成计算图本文将介绍在开发者编写代码后 AI 框架生成计算图相关的内容，包括计算图与自动微分的关系、AI 框架生成静态计算图的方式、生成动态计算图的方式等。 MindSpore 的优化主要针对静态图+AI 编译器的模式，对于动态图转静态图与 AI 编译器结合的模式，是否有更好的方案？
53410编辑于 2024-11-28
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