3d

AndrewHZ7 小时前
算法·3d·blender·nvidia·贴图·具身智能·isaac sim
【三维渲染技术讨论】Blender输出的三维文件里的透明贴图在Isaac Sim里会丢失, 是什么原因?Blender导出的三维文件在Isaac Sim中丢失透明贴图,通常与文件格式兼容性、材质属性映射、导出设置或Isaac Sim材质解析逻辑有关。以下是具体原因分析和解决方法:
我希望的一路生花1 天前
大数据·3d·oracle·sqlite·音视频·数据库开发
Boris FX Samplitude Suite 2025.0.0 音频录制/编辑和母带处理描述 Samplitude是一款专业的DAW,用于录音、编辑、混音和母带制作。通过基于对象的编辑和多轨录音,可以更快地进行创作。
Hello123网站2 天前
人工智能·3d·ai工具
Fast3D:AI 3D模型生成器,支持从文本和图像生成3D模型本文转载自:Fast3D:AI 3D模型生成器,支持从文本和图像生成3D模型 - Hello123工具导航
新启航-光学3D测量2 天前
科技·3d·制造
【新启航】3D 扫描逆向抄数的核心工具与技术能力全景解析:从数据采集到模型重构的全链条要素摘要3D 扫描逆向抄数作为制造业数字化转型的关键技术,贯穿数据采集、处理、建模全链条。本文系统梳理该流程中的核心工具(如 3D 扫描仪、数据处理软件、建模平台),解析各环节所需技术能力(精度控制、数据优化、曲面重构等),结合技术特性与实战需求,构建全链条要素框架,为逆向抄数工程应用提供理论与实践参考。
Blossom.1182 天前
人工智能·python·深度学习·opencv·机器学习·计算机视觉·3d
把 AI 塞进「自行车码表」——基于 MEMS 的 3D 地形预测码表标签:MEMS、地形预测、码表、TinyML、边缘 AI、气压计、功率估算、RISC-V、低功耗 ---- 1. 背景:为什么码表也要「预测地形」? 长途骑行最怕两件事: • 拐进一条「隐形上坡」,瞬间功率爆表; • 导航语音延迟,错过最佳换挡时机。 传统码表只能「事后」显示坡度,我们把 MEMS 多传感器融合 + TinyML 地形预测 塞进 一块 60 g 的码表,提前 15 秒告诉你前方是爬升还是俯冲,实时给出 换挡提示。 ---- 2. 硬件:60 g 里的「骑行实验室」 部件 选型 说明 MCU
秋名山大前端2 天前
前端·chrome·3d
Chrome GPU 加速优化配置(前端 3D 可视化 / 数字孪生专用)本文档整理了在 Google Chrome 浏览器中开启 GPU 加速的步骤,并提供了针对前端 3D 可视化(如 Three.js、Cesium.js、ThingJS、WebGL 大屏)项目的推荐配置。 一、开启 GPU 加速的步骤
aini_lovee2 天前
算法·3d
基于MATLAB的雷达系统设计中的信号处理程序基于MATLAB的雷达系统设计中的信号处理程序,涵盖了目标和干扰模型、匹配滤波、波形设计、多普勒处理、门限检测及恒虚警率(CFAR)等方面。
SCADA组态软件(2D,3D)4 天前
3d·ihomeware·家装设计·工业三维设计
又一款免费在线三维设计/家装设计/建筑设计/工业场景设计上线了www.iHomeware.cniHomewarw是一款免费在线的家装设计软件,具有直观的界面和强大的工具。规划、设计和装饰您的公寓、房子、办公室等。无需任何专业技能,即可获得专业成果。
新启航-光学3D测量4 天前
科技·3d·制造
逆向抄数工程师能力矩阵:设备操作(±0.05mm 精度)× 曲面重构 ×GD&T 公差分析摘要逆向抄数工程师在产品开发与制造流程中扮演关键角色,其能力直接影响产品的质量与生产效率。本文聚焦于逆向抄数工程师能力矩阵中的三个关键维度:设备操作(±0.05mm 精度)、曲面重构以及 GD&T 公差分析,深入探讨各维度能力要求及其在实际工作中的应用与协同关系。
DDC楼宇自控与IBMS集成系统解读4 天前
大数据·网络·数据库·人工智能·3d·重构
BA 楼宇自控系统 + AI:重构楼宇设备管理的 “智能决策” 体系BA(Building Automation System,楼宇自控系统)作为建筑设备的 “自动化中枢”,负责对空调、通风、给排水、照明、变配电等设备进行集中监控与基础调节;而 AI(人工智能)的深度融入,打破了 BA 系统 “依赖固定规则、缺乏自主优化” 的局限,通过数据学习、预测分析与动态决策,让 BA 从 “自动化控制” 升级为 “智能化自治”,实现楼宇设备运行的 “节能化、精准化、预判化”。
CodeCraft Studio5 天前
开发语言·3d·c#·3d渲染·aspose·3d文件格式转换·3d sdk
3D文档控件Aspose.3D实用教程:使用 C# 构建 OBJ 到 U3D 转换器如果您希望以编程方式加速 .NET 中 3D 文件格式的转换,那么本指南非常适合您。在本篇教程中,我们将演示如何借助Aspose.3D for .NET,通过几行代码在 C# 中构建OBJ到U3D 的转换器。Aspose.3D for .NET是目前遥遥领先的3D 渲染 SDK 之一,它除了 3D 文件格式转换之外,还可以进行 3D 文件处理、读取、写入等等。
郝学胜-神的一滴5 天前
c++·3d·unity·游戏引擎·图形渲染·虚幻·unreal engine
Horse3D游戏引擎研发笔记(七):在QtOpenGL环境下,使用改进的Uniform变量管理方式绘制多彩四边形在现代3D游戏引擎中,Uniform变量是连接CPU和GPU的重要桥梁,用于传递渲染过程中需要的全局参数,如颜色、矩阵、纹理等。在之前的引擎开发笔记中,我们已经实现了基于QtOpenGL的三角形和四边形绘制功能,以及材质管理Shader的封装。本篇笔记将重点介绍Horse3D引擎中对Uniform变量管理的改进实现,并通过具体的案例展示如何在QtOpenGL环境下使用这些改进后的Uniform变量管理机制,绘制多彩四边形。
视觉语言导航5 天前
人工智能·3d·具身智能
上科大解锁城市建模新视角!AerialGo:从航拍视角到地面漫步的3D城市重建航拍视角数据收集:地面视角数据收集:AerialGo框架通过条件化地面视角合成来利用可获取的航拍数据,从而绕过地面图像固有的隐私风险。该框架将航拍图像编码并与目标地面视角的随机噪声相结合,然后通过3D注意力处理以生成逼真的图像。
初岘6 天前
人工智能·3d·自动驾驶
自动驾驶GOD:3D空间感知革命在自动驾驶领域,GOD(Generalized Occupancy Detection,广义占用检测) 是一个关键的感知模块,主要用于实时构建车辆周围物理空间的3D占用结构,其核心作用和技术特点如下:
SYNCON27 天前
科技·3d·制造
[新启航]白光干涉仪与激光干涉仪的区别及应用解析引言在精密测量领域,干涉仪作为基于光的干涉原理实现高精度检测的仪器,被广泛应用于工业制造、科研实验等场景。其中,白光干涉仪与激光干涉仪是两类具有代表性的设备,二者在原理、性能及适用场景上存在显著差异。明确这些差异并掌握其应用特点,对合理选择测量工具具有重要意义。
Struart_R8 天前
人工智能·深度学习·计算机视觉·3d·大语言模型·多模态
LLaVA-3D,Video-3D LLM,VG-LLM,SPAR论文解读目录一、LLaVA-3D1、概述2、方法3、训练过程4、实验二、Video-3D LLM1、概述2、方法
杀生丸学AI9 天前
3d·aigc·三维重建·视觉大模型·动态重建
【无标题】GAP: 用文本指导对任何点云进行高斯化标题:<GAP: Gaussianize Any Point Clouds with Text Guidance> 论文:https://arxiv.org/pdf/2412.01931 来源:南京大学;复旦大学;华为诺亚实验室 主页:https://weiqi-zhang.github.io/GAP.
audyxiao0019 天前
人工智能·计算机视觉·3d·iccv·空间智能
为了更强大的空间智能,如何将2D图像转换成完整、具有真实尺度和外观的3D场景?本文介绍了一项关于空间智能领域的前沿研究成果——《Towards Scalable Spatial Intelligence via 2D-to-3D Data Lifting》,该论文被ICCV 2025接收,合作单位包括杜伦大学、阿里巴巴达摩院、清华大学和中科院-特斯联人工智能实验室。
范男9 天前
人工智能·pytorch·python·深度学习·计算机视觉·3d·视频
基于Pytochvideo训练自己的的视频分类模型https://github.com/facebookresearch/SlowFastFacebook Research 的《X3D: Expanding Architectures for Efficient Video Recognition》
点云SLAM10 天前
3d·机器人·slam·vgicp算法·gpu 加速·lidar-imu 建图方法·全局匹配代价最小化
SLAM文献之-Globally Consistent and Tightly Coupled 3D LiDAR Inertial Mapping该论《Globally Consistent and Tightly Coupled 3D LiDAR Inertial Mapping》是日本先进工业科学技术研究所(AIST)的Koide等人于2022年在IEEE国际机器人与自动化会议(ICRA)上发表的一篇论文。该研究提出了一种基于全局匹配代价最小化和LiDAR-IMU紧耦合的实时三维建图框架,旨在提高在特征稀缺或动态环境中的定位与建图精度。 文由 Koide 等人在 2022 年发表,提出了一种全局一致且紧耦合的三维 LiDAR-IMU 建图方法。