VRAR概念的定义和要素以及技术定义和应用

AI劳模

于 2024-06-14 09:33:43 发布

阅读量1k

点赞数 7

文章标签：学习分类算法神经网络人工智能

本文链接：https://blog.csdn.net/2401_85373396/article/details/139670007

版权

1.概念

一、三个概念的定义和要素.

1、VR，Virtual Reality，虚拟现实

是一种通过计算机模拟真实感的图像，声音和其他感觉，从而复制出一个真实或者假想的场景，并且让人觉得身处这个场景之中，还能够与这个场景发生交互。

VR要素

沉浸感，一种让人身处虚拟场景内的感觉，依靠遮挡真实场景的光线，提供尽可能大的视角，具有真实感的画面，三维，立体甚至光场的视觉，环绕声场和其他感官的刺激实现。
交互性，用户可以和虚拟场景中的内容发生实时交互，对用户行为具有真实感的响应，可以有视觉上，力觉上，听觉上和其他感官上的回馈，依靠传感器，软件运算，执行机构等系统实现。
假想性，可以根据设计者的想象设计出各种各样的虚拟场景，内容来源于现实而高于现实，可以在一定程度上违反物理定律，超现实的虚拟场景，依靠人为想象，软件设计，特效等途径实现。

2、AR，Augmented Reality，增强现实

是一种直接或间接地观察真实场景，但其内容通过计算机生成的组成部分被增强，计算机生成的组成部分包括图像，声音，视频或其他类型的信息。

AR要素

现场感，通过直接（镜片透视）或间接（摄像头拍摄，实时播放）观察真实世界，处于什么现场就显示什么现场。
增强性，对现场显示的内容增加额外信息，包括图像，声音，视频或其他信息。
相关性，计算机必须对现场进行认知，增加的内容和现场具有相关性，包括位置相关，内容相关，时间相关等等。

3、MR，Mixed Reality，混合现实

一种将真实场景和虚拟场景非常自然地融合在一起，它们之间可以发生具有真实感地实时交互，让人们难以区分哪部分是真实的，哪部分是虚拟的。

MR要素

现场感，真实场景和来自现场，通过镜片透视或摄像头方式取得，和AR一致。
混合性，真实场景和虚拟场景自然地合在一起，发生真实感地交互，包括遮挡，碰撞等。
逼真性，虚拟场景的显示效果接近真实场景，不容易辨别

二、阐释虚拟现实技术定义和应用

AR - 增强现实

增强现实(AR)是一种对真实世界物理环境的实时、直接或间接观察，其中的元素通过计算机生成的感官输入(如声音、视频、图形或GPS数据)得到增强(或补充)。由于AR存在于我们自己的世界之上，它提供了与你在正常生活中所获得的一样多的自由。增强现实利用你现有的现实，并利用某种设备加以补充。手机和平板电脑是目前最流行的增强现实媒体，通过摄像头，应用程序将数字内容叠加到环境中。

VR - 虚拟现实

虚拟现实(VR)是一种身临其境的体验，也称为计算机模拟现实。它指的是计算机技术使用现实头盔来产生真实的声音、图像和其他感觉，复制一个真实的环境或创造一个想象的世界。VR是一种让用户沉浸在完全虚拟世界中的方式。一个真正的VR环境将涉及所有五种感官(味觉、视觉、嗅觉、触觉、听觉)，但重要的是，这并不总是可能的。

今天，我们很容易说VR是一种成熟的新型现实技术。此外，经过多年在游戏行业的流行，我们现在看到这项技术进入更实际的应用。市场和行业仍然对这一技术趋势感到兴奋，预计在不久的将来会有进一步的进展。

MR - 混合现实

混合现实(MR)，有时被称为混合现实，是真实世界和虚拟世界的结合，以产生新的环境和可视化，其中物理和数字对象共存并实时交互。这意味着将新图像放置在真实空间中，使新图像能够在一定程度上与我们所知的物理世界中的真实事物互动。MR的主要特点是合成内容与真实内容能够实时反应。

XR - 扩展的现实

扩展现实(XR)是一个新添加到字典的技术词汇。目前，只有少数人知道XR。扩展现实是指所有由计算机技术和可穿戴设备产生的真实与虚拟结合的环境和人机交互。扩展现实包括增强现实(AR)、虚拟现实(VR)、混合现实(MR)等所有描述形式。换句话说，XR可以被定义为一把雨伞，它将所有三个现实(AR、VR、MR)集中在一个术语下，从而减少了公众的困惑。扩展现实在部分传感器输入的虚拟性方面为沉浸式虚拟性提供了广泛的种类和大量的级别。

从过去几年开始，我们一直在谈论AR、VR和MR，也许在未来几年，我们还会谈论XR。

总结:

AR创建了一个覆盖在现实上的虚拟内容，但不能与环境交互;VR是让人沉浸在一个完全虚拟的环境中;MR是虚拟现实与现实的结合，它创造了可以与现实环境交互的虚拟对象。XR将所有这三种现实(AR、VR、MR)整合在一个术语下。

那么，我们该如何学习大模型？

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。至于能学习到多少就看你的学习毅力和能力了。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

一、大模型全套的学习路线

学习大型人工智能模型，如GPT-3、BERT或任何其他先进的神经网络模型，需要系统的方法和持续的努力。既然要系统的学习大模型，那么学习路线是必不可少的，下面的这份路线能帮助你快速梳理知识，形成自己的体系。

L1级别:AI大模型时代的华丽登场

L2级别：AI大模型API应用开发工程

L3级别：大模型应用架构进阶实践

L4级别：大模型微调与私有化部署

一般掌握到第四个级别，市场上大多数岗位都是可以胜任，但要还不是天花板，天花板级别要求更加严格，对于算法和实战是非常苛刻的。建议普通人掌握到L4级别即可。