- 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。 2、建筑学长 这是一个为青年设计师建立的线上资源共享及AI绘图创作渲染平台。它提供了丰富的设计案例、CAD图纸、SU模型等资源，并支持AI绘图创作，为设计师提供了一个便捷的创作工具。 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。
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。 [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）： ? nb = (v2.z() - v1.z())*(v3.x() - v1.x()) - (v2.x() - v1.x())*(v3.z() - v1.z()); double nc = (v2.x() 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JusterZhu
图（2）
图的深度优先遍历 所谓图的遍历，及时对节点的访问。一个图有很多节点，如何遍历这些节点需要特定策略。 一般有两种访问策略： （1）深度优先遍历 （2）广度优先遍历 1.图的深度优先搜索（Depth First Search）DFS （1）深度优先遍历，从初始访问节点出发，初始访问节点可能有多个邻接点，深度优先遍历的策略就是首先访问第一个邻接点 例如：v1作为第一个初始访问节点，再假设的下一个节点是v2 那么就是 v1 -> v2。如果需要继续往下访问邻接点，则从v2开始作为初始节点继续往下找到v3，而并非重新回到v1。 顶点个数 int n = 5; string[] vertexs = { "A", "B", "C", "D", "E" }; //创建图对象 图的广度优先搜索（Broad First Search）BFS 类似于一个分层搜索的过程，广度优先遍历需要使用一个队列保持访问过的节点顺序，以便按这个顺序来访问这些节点的邻接节点。
31310编辑于 2022-12-07 - 来自专栏量子位
仅需2张图，AI便可生成完整运动过程
再给一张正脸（关键帧2）： ? 然后仅仅根据这两张图片，AI处理了一下，便能生成整个运动过程： ? 而且不只是简单的那种，连在运动过程中的眨眼动作也“照顾”得很到位。 仅需2个关键帧，如何实现完整运动？ 不需要冗长的训练过程。 不需要大量的训练数据集。 这是论文作者对本次工作提出的两大亮点。 具体而言，这项工作就是基于关键帧将视频风格化。 对于每一个超参数设置： （1）执行给定时间训练； （2）对不可见帧进行推理； （3）计算推理出的帧（O4）和真实值（GT4）之间的损失。 而目标就是将这个损失最小化。 ? 再例如给一张卡通图片，便可让视频中的你顶着这张图“声情并茂”。 ? 想了解更多有趣的研究，可戳下方链接?。 //www.reddit.com/r/MachineLearning/comments/n3b1m6/r_fewshot_patchbased_training_siggraph_2020_dr/ [2]
1.1K20发布于 2021-05-11 - 来自专栏CVer
仅需2张图！AI便可生成完整运动过程
再给一张正脸（关键帧2）： ? 然后仅仅根据这两张图片，AI处理了一下，便能生成整个运动过程： ? 而且不只是简单的那种，连在运动过程中的眨眼动作也“照顾”得很到位。 仅需2个关键帧，如何实现完整运动？ 不需要冗长的训练过程。 不需要大量的训练数据集。 这是论文作者对本次工作提出的两大亮点。 具体而言，这项工作就是基于关键帧将视频风格化。 对于每一个超参数设置： （1）执行给定时间训练； （2）对不可见帧进行推理； （3）计算推理出的帧（O4）和真实值（GT4）之间的损失。 而目标就是将这个损失最小化。 ? 再例如给一张卡通图片，便可让视频中的你顶着这张图“声情并茂”。 ? 想了解更多有趣的研究，可戳下方链接。 //www.reddit.com/r/MachineLearning/comments/n3b1m6/r_fewshot_patchbased_training_siggraph_2020_dr/ [2]
76030发布于 2021-05-10 - 来自专栏AI绘画
手把手教你部署n8n调用AI绘画2-图生图
手把手教你部署n8n调用AI绘画2-图生图前言：继续n8n的AI绘画调用，今天实操下图生图调用规范：有单图编辑和多图融合两种。 options":{}},"type":"n8n-nodes-base.extractFromFile","typeVersion":1,"position":[-32,240],"id":"19ec8b2c 请求会返回图片地址再调用个http请求获取图片内容即可多图融合调用：多图原理相同上传多个图片，并且传参里面上传分别解析图片为base64字符串。 图一人物在图三戴着图二手链执行完可以看到图片生成成功了总结：1.上传和解析都很慢，因为用的免费服务器，建议读者可以本地安装docker部署测试，成功以后再部署服务器2.我是演示调用所以使用表单形式 ，实际当中可以使用图床作为url或者钩子获取请求并且获取返回
55510编辑于 2025-11-24 - 来自专栏java系列博客
UML——类图2
1、什么是类图 类图(Class diagram)主要用于描述系统的结构化设计。类图也是最常用的UML图，用类图可以显示出类、接口以及它们之间的静态结构和关系。 2、类图的元素 在类图中一共包含了以下几种模型元素，分别是：类（Class）、接口（Interface）、依赖（Dependency）关系、泛化（Generalization）关系、关联（Association
1.5K50发布于 2018-06-13 - 来自专栏腾讯云TI平台
AI Talk | AI工业质检之以图搜图引擎
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。 在OpenCV中有cv2.matchTemplate() 函数供我们方便调用。 它的工作原理与2D卷积函数一样， 将模板图像在输入图像(大图)上滑动，并且在每一个位置对 模板图像和与其对应的输入图像的子区域进行比较。 2.通过将模板在原图像上滑动来寻找最匹配的区域。这里所谓的滑动是指模板图像块一次移动一个像素(从左往右，从上往下)。 在OpenCV中可以用cv2.minMaxLoc()函数获得最值坐标。
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
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。 目标图像筛选：工业产品90%都是多角度成像，利用多角度成像实现产品2维化平面检测，多角度通常称多点位设计，成像严格按照点位设计固定拍摄，无论机台复制多少实例，成像都使用一套点位黄金模板，以图搜图目的是回溯漏检历史现场 在OpenCV中有cv2.matchTemplate() 函数供我们方便调用。 它的工作原理与2D卷积函数一样， 将模板图像在输入图像(大图)上滑动，并且在每一个位置对 模板图像和与其对应的输入图像的子区域进行比较。 在OpenCV中可以用cv2.minMaxLoc()函数获得最值坐标。
2.4K31发布于 2021-09-28 - 来自专栏Rust
谷歌香蕉2炸场了！Nano Banana 2直接把AI生图门槛踩到地板
它让AI生图从“炫技玩具”变成了“生产力工具”。 语言本地化翻译直接出图 2. 全家桶打通 Gemini App、Google搜索AI模式、Google Ads、Workspace、AI Studio、Vertex AI…… 全线默认Nano Banana 2 你甚至都不用选模型了 再也不用找图了） • 漫画/小说插画师：角色立绘、场景连贯性 • 学生党/打工人：PPT、简历、朋友圈装X神器 一句话： 只要你一个月要用超过30张AI图，Nano Banana 2 就是目前性价比最离谱的选择 最后送你一句最真实的结语 AI生图的下半场，已经不是比谁更“惊艳”，而是比谁更“能用”、更“便宜”、更“快”。
43810编辑于 2026-04-23 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。
20710编辑于 2026-05-13- 来自专栏python数据分析实践
Matplotlib类别比较图（2）
1、棉棒图(棒棒糖图） 棉棒图传递了柱状图和条形图相同的信息，只是将矩形换成线条，这样可以减少展示空间，重点放在数据上，看起来更加简洁美观。相对于柱状图，棉棒图更加适合用于数据量较多的情况。 ，对于水平棉棒图，对应的是y轴位置，默认为heads长度。 间断条形图 间断条形图是在条形图基础上绘制的，主要可视化数据在时间维度上的变化情况。 又被称为蜘蛛图、极地图或星图。 = 'simsun', fontsize = 14) ---- 示例2：具有填充颜色效果的雷达图。
1.7K10编辑于 2023-02-23 - 来自专栏生信补给站
ggplot2-点图
geom_point(colour="pink", size = 4, show_guide = TRUE) + geom_point(aes(shape = factor(cyl))) 参考书籍：021-ggplot2-
60310发布于 2020-08-06 - 来自专栏陶然同学博客
【JavaScript】案例2：轮播图
本期介绍 本期主要介绍案例2：轮播图 文章目录 1. 需求说明 2. 每 2 秒切换一次图片。 2.
72230编辑于 2023-02-27 - 来自专栏网络收集
图表4 饼图（2）
type: 'pie', data: pieData, selectedMode: 'multiple', // selectedOffset: 30 }]}图片圆环radius饼图的半径 ：数组的第一项是内半径，第二项是外半径, 通过 Array , 可以将饼图设置为圆环图var option = { series: [{ type: 'pie', data: pieData , radius: ['50%', '70%'] }]}图片3.饼图的特点饼图可以很好地帮助用户快速了解不同分类的数据的占比情况
75510编辑于 2022-06-16 - 来自专栏数据科学（冷冻工厂）
Matplotlib可视化50图：气泡图（2）
导读 本文[1]将学习如何使用 Python 的 Matplotlib 库通过示例绘制气泡图。 简介 气泡图是散点图的改进版本。在散点图中，有两个维度 x 和 y。 这样，气泡图比二维散点图在视觉上提供了更多信息。 数据准备 对于本教程，我将使用包含加拿大移民信息的数据集。它拥有从 1980 年到 2013 年的数据，其中包括来自 195 个国家/地区的移民人数。 Canada by Citizenship', skiprows=range(20), skipfooter=2) plt.xlabel("Years", size=14) plt.ylabel("Number of immigrants", size=14) plt.show() scatter 现在，绘制气泡图。
1.9K40编辑于 2023-02-27 - 来自专栏Java实战博客
Cherry Studio – 集成AI能力桌面工作台 – 生图 – 编程、对话、生图Gpt-image-2
本页目录 Toggle 配置Cherry Studio 选择模型 验证模型是否可用 切换默认模型助手 开始对话 查看是否使用正确的模型 等待出图 查看费用 官网：https://cherry-studio-ai.com 配置Cherry Studio 配置，具体需要找你自己的中转平台的秘钥与API地址，注意的ApiKey的分组一定要支持生图才可用哦 选择模型 我演示的 gpt-image-2 模型 验证模型是否可用 切换默认模型助手 查看是否使用正确的模型 等待出图 查看费用 后续就靠你自己玩了。 特殊说明： 上述文章均是作者实际操作后产出。烦请各位，请勿直接盗用！
1.1K20编辑于 2026-04-28 从想到实现，使用 Image2 ，卖家实现了AI生图自由
你知道卖点要写什么，知道场景图要怎么呈现，知道 A+ 该怎么拆结构，可真到执行层面，还是要沟通、排队、返工、来回调。 这也是我看待 GPT Image 2 的角度。它不是“让图更炫”的工具，而是一个有机会把内容执行这段路走短的工具。 所以如果你问我，为什么这次我会比较看好“稳卖接入 Image2”这件事，我会说，因为它不是简单地在堆一个新模型，而是在继续缩短卖家从“我知道应该怎么做”到“内容今天就能做出来”的距离。 补一句很实际的信息：稳卖Agent新老用户都送 500 积分，可直接用于生图生视频。 如果你正想试试 Image2 到底适不适合自己的店铺，最省事的方式就是直接在稳卖Agent里拿这部分积分先把真实场景跑一遍。
35300编辑于 2026-04-28
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