首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏云渲染知识科普

    AI效果如何?AI渲染网站有哪些?

    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的效果究竟如何? 又有哪些值得推荐的AI渲染网站呢?让我们一起来探索这个奇妙的世界。AI的效果究竟如何?让我们来谈谈AI的效果。随着算法的不断优化和模型的持续改进,AI的效果已经达到了令人惊叹的水平。 4、Stable Diffusion这是一个在线免费的AI图像生成器,通过简单的文本提示就能高效地创建高质量的图像。它适合设计师、艺术家和创意人员使用,可以帮助他们快速地实现自己的创意。 通过这些AI渲染网站,我们可以轻松地实现各种AI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(一)

    如果要体现出地形的起伏变化,需要得到地貌晕才行。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。 有如下推算过程: α是太阳高度角,则日照方向Z长度L3=sin(α); L1在地平面(XY)平面的长度L2 = cos(α); β是太阳方位角,则日照方向X长度L5 = L2cos(β); 同时日照方向Y长度L4 [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强度值。 其晕图像素值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): ? 这里只是得到了晕的灰白强度,后续会继续实现彩色晕的实现。 3. 参考 [1].地貌晕的生成原理与实现.丁宇萍,蒋球伟 [2].DEM-地貌晕的生成原理

    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(二)

    问题 之前我在《使用GDAL实现DEM的地貌晕(一)》这篇文章里面讲述了DEM晕的生成原理与实现,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》)中查阅到了晕的另外一种生成算法。 我这里通过GDAL实现了晕的生成: #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。 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(三)

    原理 之前在《使用GDAL实现DEM的地貌晕(一)》和《使用GDAL实现DEM的地貌晕(二)》这两篇文章中详细介绍了DEM生成地貌晕的原理与实现。 不过之前生成的都是晕强度值对应的灰度,而实际的应用过程中都会将DEM晕成彩色。 1) ArcMap生成彩色晕 可以通过ArcMap的做法来参考如何生成彩色晕(参考[1]),在ArcMap中生成彩色晕的步骤如下: 通过山体阴影工具生成灰度晕,这一点与前面文章介绍的相一致 然后在原DEM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4. 参考 [1]. ArcGIS制图手册(3-2)山体阴影和晕 [2]. RGB颜色插值渐变原理及算法 [3]. 两个RGBA四通道颜色的叠加计算方法与代码实现

    1.8K31发布于 2019-08-13
  • AI4S机器学习:DGL构建接口的PyG替换

    ,有的加速卡对PyG机器学习库的支持亲和度更高,因此有些时候需要做DGL接口的PyG替换。 在本文中,主要展示构建结构的替换。 dgl.graph:创建结构数学逻辑:提取氨基酸相对位置构建完全连接设置边特征和节点特征PyG实现代码:def make_full_graph(xyz, pair, idx, top_k=64, kmin return G, edge_featsmake_topk_graph位置:rfdiffusion/util_module.py输入和输出:与 make_full_graph 类似,但构建k近邻而非完全调用 DGL函数:dgl.graph:创建结构数学逻辑:计算氨基酸之间距离选择top-k最近邻居确保每个节点至少有kmin个邻居优化方案:使用PyG的knn_graph函数简化实现利用PyG的批处理机制处理多

    27700编辑于 2025-06-16
  • 来自专栏网络收集

    图表4

    4、图表41.饼的实现步骤步骤1 ECharts 最基本的代码结构<! 步骤3 准备配置项 在 series 下设置 type:pievar option = { series: [{ type: 'pie', data: pieData }]}图片注意:饼的数据是由 name 和 value 组成的字典所形成的数组饼无须配置 xAxis 和 yAxis2.饼的常见效果显示数值label.show : 显示文字label.formatter : 格式化文字var return arg.data.name + '平台' + arg.data.value + '元\n' + arg.percent + '%' } } }]}南丁格尔南丁格尔指的是每一个扇形的半径随着数据的大小而不同

    1.2K10编辑于 2022-06-16
  • 2026跨境卖家必备:4AI商品背景去除工具实测

    开篇导语对于跨境卖家而言,商品的质量直接影响着销售业绩。清晰、无干扰背景的商品能让产品更突出,吸引买家的注意力。在2026年,AI商品背景去除工具已成为卖家提升商品质量的有力助手。 产品/工具逐个分析01Agent产品定位01Agent是由超空间科技推出的AI图文创作助手,是围绕选题、创作、排版、编辑、发布和技能调用展开的AI内容生产力系统,可作为AI图文创作平台的一类参考样本,面向一人公司 适用场景• 蕾丝、编织品、反光金属等复杂商品抠。• 跨境电商场景化主制作。使用体验AI自动抠后手动修正边缘灵活度高,复杂材质处理效果出色。但免费版仅支持基础导出,高频精细需求需付费。 核心功能/技术国际领先AI算法,处理标准商品时边缘识别精准,背景去除彻底,准确率达99.0%。 • 是否需要长期复用商品资产。• 是否需要支持批量处理商品。总结不同的AI商品背景去除工具各有特点。

    15910编辑于 2026-06-10
  • 来自专栏网络收集

    图表4(2)

    type: 'pie', data: pieData, selectedMode: 'multiple', // selectedOffset: 30 }]}图片圆环radius饼的半径 :数组的第一项是内半径,第二项是外半径, 通过 Array , 可以将饼设置为圆环var option = { series: [{ type: 'pie', data: pieData , radius: ['50%', '70%'] }]}图片3.饼的特点饼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Java项目实战

    AI绘画专栏之statble diffusion SDXL 1.0 4种方式stable diffusion无需提示词文生 | (31)

    在日常出过程中,根据提示词出是我们AI的日常,我们为了出现一张想象的图片需要不断的修改提示词,但总有灵感枯竭的时候,出了大部分一样风格的就要求越来越高,但现在,无需提示词,随机出现一张,一共4 提示词工具随机提示词One Button prompt安装插件One Button prompthttps://pan.quark.cn/s/3d5a5fd9aafa填写主题类型3.出选择主题类型描述 octane render (OC渲染)digital art (数字艺术)concept art (概念艺术)painting (画作)portrait (肖像)anime key visual (动漫主视觉/

    1.5K30编辑于 2023-11-15
  • 来自专栏腾讯云TI平台

    AI Talk | AI工业质检之以引擎

    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。 4.在结果图像矩阵中寻找最值(最大或最小,根据算法不同而不同)。最值所对应的像素的位置即认为是最高的匹配。以该点为顶点,长宽和模板大小图像一样的矩阵认为是匹配区域。 四大系统 交付快捷 打造4大系统覆盖从数据到应用服务的端到端需求,实现模型全生命周期管理,帮助企业快速搭建工业智能平台的一站式解决方案,算法模型交付即可用。

    1.6K20编辑于 2022-01-27
  • AI4S机器学习:DGL消息传递接口的PyG替换

    背景介绍DGL (Deep Graph Learning) 和 PyG (Pytorch Geometric) 是两个主流的神经网络库,它们在API设计和底层实现上有一定差异,在不同场景下,研究人员会使用不同的依赖库 ,部分加速卡对PyG机器学习库的支持亲和度更高,因此有些时候需要做DGL接口的PyG替换。 其架构基于神经网络,通过SE(3)等变性实现对三维旋转和平移的不变性特征提取。本系列以RFDiffusion模型中的SE3Transformer为例,讲解如何将DGL中的接口替换为PyG实现。 equivariant_attention/modules.py 中的 TransformerLayer 输入: 节点特征: x , 形状为(N, F) 边特征: edge_attr , 形状为(E, F') 结构 modules.py 中的 AttentionBlockSE3 输入:标量特征: feat_scalar , 形状为(N, F_s) 矢量特征: feat_vector , 形状为(N, F_v, 3) 结构

    22900编辑于 2025-06-16
  • 来自专栏腾讯云TI平台

    AI Talk | AI工业质检之以引擎

    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 4.在结果图像矩阵中寻找最值(最大或最小,根据算法不同而不同)。最值所对应的像素的位置即认为是最高的匹配。以该点为顶点,长宽和模板大小图像一样的矩阵认为是匹配区域。 四大系统 交付快捷 打造4大系统覆盖从数据到应用服务的端到端需求,实现模型全生命周期管理,帮助企业快速搭建工业智能平台的一站式解决方案,算法模型交付即可用。

    2.4K31发布于 2021-09-28
  • 来自专栏全栈程序员必看

    UE4导入高度

    UE4导入高度 查找高度 使用ps编辑图片 打开虚幻引擎的地形编辑器 查找高度 可以从百度直接搜索 使用ps编辑图片 下载下来之后图片是jpg格式的,虚幻引擎不能直接用 需要使用ps编辑一下

    1.7K10编辑于 2022-09-01
  • 来自专栏机器学习/数据可视化

    pyecharts-4-绘制桑葚

    pyecharts-4-绘制桑葚 本文中介绍的是如何利用Pyecharts绘制桑葚,包含: 什么是桑葚 官网demo,理解数据含义 模拟数据及生成对应的数据 实际效果展示 ? 桑葚 桑基是可视化图表的一种,一般用来表示数据流量。 桑基(Sankey diagram),即桑基能量分流,也叫桑基能量平衡。 {"name": "category1"}, {"name": "category2"}, {"name": "category3"}, {"name": "category4" ": "category2", "target": "category3", "value": 15}, {"source": "category3", "target": "category4" 先从总费这个父类用到服装等4个子类 再从服装(服装为例)这个类从自己的3个子类 最终得到右侧的父类+子类+数据这样的完整数据 json数据 Nodes数据 节点去重的时候可能子类节点+父类节点还要再次去重

    2.2K21发布于 2021-03-01
  • 全球文生AI模型大比拼!Dreamina 3.0超越GPT-4o登顶,国产AI崛起

    近两年,AI 模型的文生能力发展迅猛,早已从实验室走向大众,成为设计师的 “灵感加速器”、普通用户的 “作图神器”。 当 “ AI 画图” 从 “新鲜玩意儿” 变成 “日常刚需”,我们需要的不仅是 “能画”,更是 “画得准、画得好、画得懂”。那么如今全球文生模型究竟水平如何? 评测结果显示,国产 AI 模型 Dreamina 3.0 超越 GPT-4o 登顶,而Gemini 2.0 Flash-Exp 等海外模型则排名垫底。 “能力边界”,更勾勒出 AI从“能用”到“好用”的进化轨迹。 AI 在文生领域的硬核实力与发展潜力。

    8.6K10编辑于 2025-07-24
  • 全球生视频AI模型排名出炉!Seedance 1.0夺冠,Gen4垫底

    这些场景因多模态生视频技术的发展,正在一步步变成现实。生视频 AI 模型正以前所未有的速度突破静态图像的边界,赋予其动态的生命力与叙事能力。 AGI-Eval 评测社区对 Vidu Q1、Kling 2.0、PixVerse V4、Gen-4、Video-01等十大生视频模型进行了测评。评测主要考察模型依据输入图片生成动态视频的能力。 2.2 人工评测分维度榜单在人工评测中,为考察模型对 Prompt 的敏感性和依赖性,同一首帧参考对应多个不同类型的 Prompt,分为以下4类:参考 + 细节具体的 Prompt参考 + 简略的 首帧:可灵 2.0 在空 Prompt 提示下的生成结果:即梦 3.0 在空 Prompt 提示下的生成结果:空 Prompt 下的“静止陷阱”,暗示着脱离文本指令后,AI 对画面内在生命力的感知仍显苍白 风的流速、重力的牵引、肌肉的舒展……这些人类习以为常的“常识”,恰恰是 AI 最难跨越的。

    3.6K10编辑于 2025-07-22
  • 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,一张要等几个小时,现在几分钟就能出不同风格的效果,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、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,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的功能,你做的尺寸不对 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,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,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、调参数、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。

    20810编辑于 2026-05-13
  • 来自专栏搜狗测试

    软件框架——C4模型

    框架:系统框架是为了抽象的表示软件系统的整体轮廓和各个组件之间的相互关系和约束边界,以及软件系统的物理部署和软件系统的演进方向的整体视图。 3. 框架作用:解决沟通障碍、达成共识、减少歧义。 方法 在这里给大家介绍的框架就是利用C4模型进行绘制的,C4 代表上下文(Context)、容器(Container)、组件(Component)和代码(Code)——一系列分层的图表,可以用这些图表来描述不同缩放级别的软件架构 要为你的代码创建框架,首先需要一组通用的抽象来创建一种无处不在的语言,用来描述软件系统的静态结构。C4 模型使用容器(应用程序、数据存储、微服务等)、组件和代码来描述一个软件系统的静态结构。 其用途有: a.描述了系统由哪些组件/服务组成 b.厘清了组件之间的关系和依赖 c.为软件开发如何分解交付提供了框架 4. 代码(Code) ? 它表明该组件由很多类组成,实现细节直接反映了代码。 结语 利用C4模型进行框架绘制,可以通过抽丝剥茧的方式将整个框架一层一层的分离,不仅使得作图之人有的放矢,同时也使得看图之人理解的更加清晰。

    7.2K30发布于 2019-09-08
  • 来自专栏程序小小事

    2025最新AI神器推荐:AI工具免费下载

    相信很多小伙伴在工作中都遇到过需要抠的情况,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:免费高效的图片处理解决方案鲜艺AI是一款完全免费、无需联网、支持批量处理的AI工具,自从在吾爱论坛发布以来就获得了大量用户的好评。! [](https://mmbiz.qpic.cn/mmbiz_png/2pLicRIu828KGB4HYia3CuMHJ1cx5DOvaoU17 ** uOPiaJmjIJlJhMjmmvzdOBXqyiayCEXYCTYN8bBlhUbhGd76vcQ 多场景适用性测试人物抠:发丝级精细处理物品抠: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】,回复抠获取更多相关内容!

    73010编辑于 2025-08-28
  • 来自专栏机器学习/数据可视化

    Highcharts-4-堆叠柱状

    Highcharts-4-柱状2 本文继续介绍Highcharts中柱状的制作,主要讲解了3种柱状的制作: 堆叠柱状 分组堆叠柱状 带有百分比堆叠柱状 垂直堆叠柱状 效果 先看下整体的效果 7, 2] data2 = [2, 2, 3, 2, 1] data3 = [3, 4, 4, 2, 5] options = { 'chart': { 'type': 'column stack and group column 效果 先看下整体的效果: 有4个不同的人和5种不同的水果:用户之间用颜色区分,水果之间通过组别间隔开来 代码 # 导入库 from highcharts 3, 5] data3 = [2, 5, 6, 2, 8] data4 = [3, 1, 8, 4, 3] # 配置项 options = { 'title': { # 主标题 , 2, 1] data3 = [3, 4, 4, 2, 5] options = { 'chart': { 'type': 'column' # 图表类型 },

    2.4K30发布于 2021-03-01
领券