- 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。 今天这篇博客是视错觉Demo的升级版，上篇博客发表后，好多小伙伴说使用Mask实现会更容易，其实使用Mask和之前的原理是一样的。 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。 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。
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。
67440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。
47720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。
69420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。 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。 还有：弗雷泽图形 它被称作：视错觉之王。 看起来是漩涡状的圈，实际上是同心圆组成的。是因为背景的黑白网格扭曲所造成的。 所以，有时候，完全相信眼睛也不一定对，大脑也会骗人。 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！
66730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
1.4K30发布于 2018-05-31 - 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。 （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。
70240发布于 2018-09-04 - 来自专栏MatheMagician
运动的“点”与“线”，竟然能产生错觉？？？
这是一种现象，是你观看一系列静止的图像时产生运动的错觉。基于眨眼或者频闪的速率，我们的大脑可能会将点的闪烁感知为运动的不同阶段（比如左右横跳或者旋转等）。 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。 ? 然而，目前为止似乎还没有人真正知道这种错觉是如何产生的。在一篇《Nature》论文中写道：“这些现象的起因似乎并未得到确切解决。” 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。 这种当观察某些快速变化或者移动的黑白图案时看到的色彩错觉，被称为费纳希色彩效应。 ? 这是什么原因呢？ What is the reason for this?
87420发布于 2020-03-25 - 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
96740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。 最后，通过多视图信息和解信驱动多路径推理，作者实现了减轻错觉的优越性能。 LVLMs Input and Decoding 输入LVLMs的处理包含图像和文本。 4 Conclusion 在本文中，作者提出了一种新颖的训练无框架MVP，通过多视图多路径推理充分利用LVLMs的固有能力来减少错觉。 借助多视图多路径推理，作者的方法有效减轻了LVLMs中的错觉。
41610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。
42910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。
36920编辑于 2022-03-04 - 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。 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。 果然在地铁上灵光一现，应该就是用它：“视错觉”。于是乎就回家晚饭都没吃，就拿出笔记本开始按着自己的思路去实现。功夫不负有心人呢，所以才有了今天的博客。
92860发布于 2018-01-11 - 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）。 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。 不仅如此，为了增强从这些有标注图像学习到的教师模型 T，他们还采用了 DINOv2 预训练权重对编码器进行初始化。 如表 9 所示，简单地添加带有伪标签的无标注图像不一定为模型带来增益，大规模的无标注图像能够显著增强模型的泛化能力。
64910编辑于 2024-01-23 - 来自专栏ATYUN订阅号
研究人员使用计算机视觉来更好地理解和预测视错觉
视错觉图像可以欺骗人眼，这一直是引人入胜的研究课题，因为研究它们可以为人类认知和感知提供有价值的见解。 过去的研究已经推出了用于检测在咖啡馆墙错觉中的倾斜错觉，由背景和倾斜线索对比产生的。弗林德斯大学的研究人员推广了新方法，以涵盖更广泛的几何幻觉，以及更复杂的瓷砖错觉。 研究人员在论文中写道：“我们探索了一种简单的低水平视觉生物合理模型对几何和瓷砖错觉的反应，再现了对其几何学的误解，到目前为止，该模型尚未得到验证，无法推广到其他错觉中。” 研究人员评估了一种计算过滤模型，该模型旨在模拟视网膜神经节细胞的侧向抑制及其对不同几何错觉的反应。采用这种方法，研究人员希望能够更好地理解这些错觉，并预测它们的影响程度。 总体而言，本研究中收集的结果表明，高斯差异（DoG），一种在多个尺度上检测图像边缘的滤波器可以帮助解释瓷砖错觉中的诱导倾斜，也可以帮助揭示在观看几何错觉时所感知到的一些错觉线索。
80260发布于 2019-05-13 - 来自专栏机器学习爱好者社区
当代硕博生常犯错觉大赏：我的idea非常棒，别人肯定想不到！
据说，很多搞科研的硕博生，都容易产生以下20个错觉，看看你中了几枪？ 1、这周组会，是不是要取消？ ? 2、组会汇报工作，老板应该不会骂我。 ? 3、这次组会我会提前准备好，不能熬夜做PPT。 ?
86640发布于 2020-03-03
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