顶点计划V第一周

最新推荐文章于 2025-05-17 13:34:47 发布

Bot No Jam

最新推荐文章于 2025-05-17 13:34:47 发布

阅读量127

点赞数

分类专栏：顶点计划文章标签：人脸识别人工智能

本文链接：https://blog.csdn.net/Macaron_lin/article/details/108809528

版权

顶点计划专栏收录该内容

4 篇文章

订阅专栏

本周总结

和大家开会，基本了解自己在小组中负责人脸识别的任务，即在某一个环境中，将视频中有多少个人实时的显示出来。

下周规划

找段老师咨询一下相关方面的问题，已经明确了干什么，但是还没有怎么做的方向。
找到方向后开始着手了解，计划是不自己造轮子，面向github先实现一些简单的小目标（例如人脸清晰，不重叠）。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Bot No Jam

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

第十二周项目4 输出从顶点u到v的所有简单路径

zxk201458506144的博客

11-30

1464

第十二周项目4 输出从顶点u到v的一条简单路径

zxk201458506144的博客

11-30

1028

参与评论您还未登录，请先登录后发表或查看评论

顶点计划V第一周总结

ckheheda的博客

09-25

841

本周已经做的事： 1.了解云端数据库的一些内容，并且配置了一个云数据库。下周计划： 1.计划学习一下python内的pyqt部分； 2.完成树莓派的一些配置

顶点计划V第五周

Macaron_lin的博客

11-06

211

本周总结本周，在b站学习了第一课——神经网络与深度学习。了解深度学习中 BP 算法。 BP神经网络是这样一种神经网络模型，它是由一个输入层、一个输出层和一个或多个隐层构成，它的激活函数采用 sigmoid 函数，采用 BP 算法训练的多层前馈神经网络。算法全称叫作误差反向传播(error Back Propagation，或者也叫作误差逆传播)算法。其算法基本思想为：在2.1所述的前馈网络中，输入信号经输入层输入，通过隐层计算由输出层输出，输出值与标记值比较，若有误差，将误差反向由输出层向输入层传播，

顶点计划V第二周

Macaron_lin的博客

10-02

131

本周总结本周准备试图从两个小项目入手机器学习，从而学习如何人脸识别。识别猫狗。静态图片变成动态图片。但是这两个小项目都需要配置一系列环境，安装这样那样的软件，目前进行到配置环境的阶段（已经重装了好几次虚拟机了，但是我估计虚拟机搞不来，我先试试）。下周规划把环境配置好，目标是成功调用GPU。 ...

顶点计划V第二周总结

ckheheda的博客

10-03

1.完成了云数据库的调试与管理，可以导出基本的sql文件，不过具体用处是什么还在探索，熟悉了数据库的api 下周要做的事情： 1.将树莓派调试好 2.继续学习Python

顶点计划V第三次周报

weixin_44497479的博客

10-23

238

顶点计划V第三次周报 1、建模 2、调研

第十二周-输出从顶点u到顶点v的所有简单路径

zw306362135的博客

12-07

1995

问题描述：输出从顶点u到顶点v的所有简单路径。#include #include #include "head.h" int visited[MAXV]; //定义存放节点的访问标志的全局数组 void FindPaths(ALGraph *G,int u,int v,int path[],int d) //d是到当前为止已走过的路径长度，调用时初值为-1 { i

第一周、、

black_blank的博客

08-07

2543

7-1 入度与出度分数 10全屏浏览切换布局作者黄龙军单位绍兴文理学院求有向图G中各顶点的入度与出度。建议分别采用邻接矩阵和邻接表这两种不同的存储结构完成。

第十二周项目4 判断顶点u到v是否有简单路径

zxk201458506144的博客

11-30

1166

第十二周求出图G中出度最大的一个顶点，输出该顶点编号

ydl197791的博客

12-30

3015

ApiHug 咋变成国外AI工具了呢？

程序员超级伴侣-ApiHug

05-16

700

摘要：ApiHug是一个专注于API设计和开发的平台，提供高度描述性、模块化和可视化的体验。它集成了API资产的分发、监控和管理功能，支持全语言在IDEA中的智能自动补全、linting和语法高亮等。ApiHug通过标准化的API设计元语言，旨在提高API开发效率和团队协作。其主要功能包括API设计、代码生成、模块共享、版本控制和统一IDE支持。目标受众为API开发者和团队，使用场景涵盖API设计、性能监控和智能提示。用户可通过官网注册、安装插件并开始使用ApiHug的各类功能。

咖啡叶子病害检测数据集VOC+YOLO格式1468张4类别均为单叶子

最新发布

FL1623863129的博客

05-17

182

标注类别名称(注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准):["Cercospora","Miner","Phoma","Rust"]数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。标注数量(xml文件个数)：1468。标注数量(txt文件个数)：1468。

联想推出擎天AI适配中心，智能体部署开启“交钥匙”新模式

weixin_43735236的博客

05-16

337

根据中研普华产业研究院的《2025-2030年中国AI大模型行业竞争格局分析与未来趋势预测报告》分析，2025年中国AI大模型市场规模预计将突破495亿元，大模型技术正在全行业快速演进，其中智能体成为企业AI落地的重要形式，特别是在政务、金融、医疗等对数据可控性要求极高的行业，本地化部署几乎已成共识。面对快速演进的市场环境，ISV常常陷入部署难、适配难、交付慢等难题——擎天AI适配中心的推出，正是为了解决这些关键痛点，帮助开发者在智能体的部署过程中，跳过复杂的搭建过程，专注于业务模型开发与客户交付。

【datawhale组队学习】coze-ai-assistant TASK01

m0_52024881的博客

05-13

988

通过扣子开发的 AI 应用有明确的输入和输出，可以根据既定的业务逻辑和流程完成一系列简单或复杂的任务，例如 AI 搜索、翻译工具、饮食记录等。工作流具备了：大量的重复性任务（如内容创作、编辑、发布）和固定的业务流程（如策划、创作、审核、发布）。的 AI 项目，它通过对话方式接收用户的输入，由大模型自动调用插件或工作流等方式执行用户指定的业务流程，并生成最终的回复。教程：Coze / 扣子（飞书文档）10. 教程：Coze / 扣子。4万字教程-COZE/扣子与智能体入门（飞书文档）

[模型部署] 1. 模型导出

ayiya_Oese的博客

05-16

847

本文详细介绍了如何将深度学习模型导出为不同部署格式，包括ONNX、TorchScript等，并对比了各种格式的优缺点及适用场景。

RiDoc：高效文档扫描与图像处理工具，助力高效办公

2501_90839605的博客

05-15

1010

高效压缩算法：在保证图像质量的同时显著减小文件体积，适合存储和传输需求。多格式兼容：支持主流图像格式（BMP/JPEG/PNG/TIFF）及PDF、Word文档的导入与导出。OCR功能强大：内置多语言OCR识别，可直接提取扫描文档中的文字并编辑，无需手动输入。操作便捷：界面简洁直观，拖拽式操作降低学习成本，支持一键扫描、批量处理。安全性高：提供水印添加、加密传输等保护措施，防止文档泄露或篡改。

Baklib智能云平台加速企业数据治理

weixin_51374429的博客

05-13

1303

Baklib智能云平台通过一站式数字资源管理、知识库构建及多场景内容系统搭建，实现企业图文音视频全资产统一存储与智能分类，结合AI驱动的高效数据预处理能力，显著提升知识沉淀效率和治理规范性，助力客户服务、内部协作与数字资产价值释放。

【AI】“CUDA” 到底是什么？（AI 计算民主化，第二部分）

u011808788的博客

05-14

985

似乎每个人都在去年开始谈论CUDA ：它是深度学习的支柱，是新型硬件难以竞争的原因，也是NVIDIA 护城河和飙升市值的核心。DeepSeek的出现，让我们获得了一个惊人的发现：它的突破是通过“绕过” CUDA，直接进入 PTX 层实现的……但这究竟意味着什么？似乎每个人都想打破这种锁定，但在制定计划之前，我们必须了解我们面临的是什么。本文是 Modular “ AI 计算民主化”系列文章的第二部分。更多信息，请参阅：第一部分：DeepSeek 对 AI 的影响第二部分：“CUDA”到底是什么？

制作一个3D短视频，100秒

03-17

<think>嗯，用户之前问过如何制作2D短视频，现在又问3D短视频，而且是100秒的。我需要先回顾之前的回答，看看有没有可以复用的部分，同时也要突出3D的不同之处。首先，用户可能已经了解短视频制作的基本流程，比如分镜、设计、后期这些，但3D制作在工具和步骤上肯定更复杂。需要详细说明建模、绑定、动画这些环节。用户提到的是100秒，比之前的更长了，可能需要强调时间管理和节奏控制，避免内容过于冗长或信息量不足。另外，3D渲染时间可能更长，得提醒用户优化资源，比如使用低多边形模型或预计算光照。还要注意工具推荐部分，3D软件如Blender、Maya和C4D，可能需要分免费和专业工具，和之前的表格结构类似。另外，用户可能需要知道渲染农场或者硬件配置，这点在注意事项里应该提到。用户之前的问题里提到了版权问题，这里也需要重复提醒，尤其是3D素材和纹理的版权。另外，3D制作可能涉及更多的协作，比如团队分工，但用户可能是个人制作，所以需要简化流程。还要考虑用户可能是新手，所以步骤需要详细但不过于技术化。比如绑定骨骼和权重调整可能需要简单解释，或者推荐使用自动权重工具来简化步骤。最后，确保回答结构清晰，分阶段说明，保持和之前类似的格式，让用户容易对比和理解。可能需要加入时间分配建议，比如前期准备占多少时间，制作和后期各占多少，帮助用户规划。</think>以下是制作3D短视频的完整流程指南（以100秒为例），从前期规划到最终输出分步详解： --- ### **一、前期策划（约占总时间30%）** 1. **核心定位** - 明确类型：剧情短片/产品展示/抽象艺术 - 控制节奏：100秒≈15-20个镜头，每个镜头平均5-7秒 - 参考案例：皮克斯短篇《鹬》（6分钟，可压缩学习分镜逻辑） 2. **剧本与分镜** - 使用**故事板软件**（Storyboarder/Blender Grease Pencil）绘制3D分镜： ```markdown 镜头1（8秒）：低角度拍摄机甲从废墟站起，镜头环绕180° 镜头2（5秒）：第一人称视角表现机甲扫描环境，HUD界面弹出警告 ``` 3. **资产清单** - 角色：主角机甲（5000-10000面）、配角机器人（2000面以下） - 场景：末日城市（模块化建模，重复利用建筑部件） - 特效：爆炸粒子、能量光束、动态烟雾 --- ### **二、3D制作流程（50%）** #### **阶段1：建模与绑定** 1. **基础建模** - 硬表面建模（机甲/建筑）：Blender硬表面插件/HardOps - 有机体建模（自然景物）：ZBrush雕刻→拓扑优化 - 优化技巧： - 使用法线贴图替代高模细节 - LOD（多细节层次）分级：近景模型5000面，远景降至500面 2. **角色绑定** - 机械类：**自动装配**（Rigify机械预设） - 生物类：手动骨骼权重调整（需测试关节弯曲自然度） - 示例绑定流程： ```python 机甲骨架 = Rigify.生成基础骨骼() 机甲骨架.添加液压杆控制器(位置=关节处) 权重绘制(顶点组=腿部, 影响骨骼=驱动轮) ``` #### **阶段2：动画与镜头** 1. **关键帧动画** - 机甲动作：参考真实工程机械录像（挖掘机/吊臂运动） - 镜头设计： - 高速运动用**动态模糊**（快门速度1/60） - 情绪镜头：慢动作（24fps→12fps插值） 2. **摄像机控制** - 使用**空物体绑定摄像机**实现复杂运镜 - 示例路径： $$ \text{摄像机路径} = \begin{cases} x(t) = R\cos(\omega t) \\ y(t) = v_0 t \\ z(t) = R\sin(\omega t) \end{cases} \quad (0 \leq t \leq 8\text{秒}) $$ #### **阶段3：材质与光照** 1. **PBR材质** - 机甲金属：粗糙度0.3，金属度0.95，划痕法线贴图 - 环境材质：使用Megascans预制资产加速制作 2. **全局光照** - 室外场景：HDRI环境光 + 平行太阳光（角度15°） - 室内场景：三点布光（主光/补光/轮廓光） - 优化渲染：烘焙光照贴图（减少实时计算） --- ### **三、后期合成（20%）** 1. **分层渲染** - 输出EXR序列：分离角色层/背景层/深度通道 - 特效合成： - 用After Effects添加镜头光晕（Optical Flares） - 用Nuke合成爆炸粒子（Red Giant Trapcode） 2. **音画同步** - 机械音效：记录真实金属碰撞声（推荐音效库：Boom Library） - 对白处理：使用iZotope RX修复录音噪音 --- ### **四、技术参数与工具** | 环节 | 免费方案 | 商业方案 | |------------|-------------------------|--------------------------| | 建模 | Blender, Wings3D | Maya, Cinema4D | | 渲染 | Eevee实时引擎 | Redshift, OctaneRender | | 合成 | Natron | Nuke, Fusion | | 音效 | BFXR（8-bit风格） | FMOD, Wwise | --- ### **五、效率优化技巧** 1. **渲染加速** - 使用**降噪器**（OptiX/OpenImageDenoise）减少采样数（采样128→64） - 分布式渲染：通过SheepIt渲染农场分摊计算 2. **文件管理** - 资产命名规范：`角色_机甲_腿部_v03.blend` - 版本控制：Git LFS管理工程文件 3. **硬件建议** - 最低配置：GTX 1660 + 32GB内存 - 推荐配置：RTX 3090 + 64GB内存（100秒动画约需20小时渲染） --- ### **六、成本控制（个人制作参考）** | 项目 | 自制作成本 | 外包成本 | |--------------|------------|----------------| | 角色建模 | 0（自学） | $300-800/个 | | 动画K帧 | 0 | $50-120/秒 | | 最终渲染 | 电费$5 | 渲染农场$20-50 | --- 通过系统化拆分流程，即使是3D新手也能在2-3周内完成100秒短片。关键点：前期分镜规划＞模型细节，优先保证镜头叙事流畅性。