- 综合排序
- 最热优先
- 最新优先
- 来自专栏云渲染知识科普
AI渲图效果如何？AI渲染图网站有哪些？
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渲图技术的出现，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渲图的效果究竟如何？ 又有哪些值得推荐的AI渲染图网站呢？让我们一起来探索这个奇妙的世界。AI渲图的效果究竟如何？让我们来谈谈AI渲图的效果。随着算法的不断优化和模型的持续改进，AI渲图的效果已经达到了令人惊叹的水平。 通过这些AI渲染图网站，我们可以轻松地实现各种AI渲图的需求。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渲图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渲图已经成为了一种不可或缺的创作工具。 无论是在效果上还是在应用上，AI渲图都展现出了巨大的潜力和价值。让我们一起拥抱这个技术，探索更多的可能，让AI技术为我们的创作插上翅膀！
1.7K10编辑于 2024-09-09 - 来自专栏代码编写世界
使用GDAL实现DEM的地貌晕渲图(一)
如果要体现出地形的起伏变化，需要得到地貌晕渲图才行。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。 因此，对于太阳高度角α和太阳方位角β，日照光线的单位向量n(x,y,z)为： X = cos(α)*cos(β); Y = cos(α)*sin(β); Z = sin(α); 3) 晕渲强度 在文献 [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渲强度值。 其晕渲图像素值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）： ? 这里只是得到了晕渲的灰白强度图，后续会继续实现彩色晕渲图的实现。 3. 参考 [1].地貌晕渲图的生成原理与实现.丁宇萍,蒋球伟 [2].DEM-地貌晕渲图的生成原理
1.3K30发布于 2019-08-13 - 来自专栏代码编写世界
使用GDAL实现DEM的地貌晕渲图(三)
原理 之前在《使用GDAL实现DEM的地貌晕渲图(一)》和《使用GDAL实现DEM的地貌晕渲图(二)》这两篇文章中详细介绍了DEM生成地貌晕渲图的原理与实现。 不过之前生成的都是晕渲强度值对应的灰度图，而实际的应用过程中都会将DEM晕渲成彩色图。 1) ArcMap生成彩色晕渲图 可以通过ArcMap的做法来参考如何生成彩色晕渲图（参考[1]），在ArcMap中生成彩色晕渲图的步骤如下： 通过山体阴影工具生成灰度晕渲图，这一点与前面文章介绍的相一致 然后在原DEM图的显示中，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，将步骤一的灰度晕渲图设置一定的透明度，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渲图。 ArcMap生成的彩色晕渲图： ? 2) 彩色色带赋值 不难发现，生成彩色晕渲图的关键是第二步：要选取合适的色带，让色带根据对应的高程赋值。
1.6K31发布于 2019-08-13 - 来自专栏代码编写世界
使用GDAL实现DEM的地貌晕渲图(二)
问题 之前我在《使用GDAL实现DEM的地貌晕渲图(一)》这篇文章里面讲述了DEM晕渲图的生成原理与实现，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渲强度值。 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；但晕渲图同时又有“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》）中查阅到了晕渲图的另外一种生成算法。 我这里通过GDAL实现了晕渲图的生成： #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渲图。 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渲地图色彩设计.郭礼珍等.2004
1.1K30发布于 2019-08-13 【ArcGIS微课1000例】0082：地震灾害图件制作之DEM晕渲图（山体阴影效果）
【摘要】：本文以甘肃积石山6.2级地震为例，详细介绍了基于DEM数据制作山体阴影晕渲图的方法。 通过加载12.5米分辨率DEM数据，利用ArcGIS软件的山体阴影功能生成地形晕渲效果，并演示了图例制作与地图整饰过程，最终完成了一幅包含震中位置、高程分级和地形特征的专业晕渲图。 一、效果展示 基于数字高程模型制作的山体阴影晕渲图如下所示： 二、实验数据 本试验所需要的数据包括： 1. 震中位置矢量数据 2. 三、晕渲图制作 1. 晕渲效果制作 打开软件，加载实验数据，在DEM图层上双击，打开图层属性，点击拉伸显示，选择一个表示高程的色带，勾选【使用山体阴影效果】，点击确定，完成晕渲图的制作。 山体阴影效果制作有多种方法，详细介绍可参考以下文章： 参考阅读：【ArcGIS微课1000例】0044：ArcGIS使用山体阴影显示DEM的3种方法 局部晕渲效果： 2.
12210编辑于 2026-01-26- 来自专栏腾讯云TI平台
AI Talk | AI工业质检之以图搜图引擎
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工业质检之以图搜图引擎”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 以图搜图引擎就是以这样背景情况设计出来，终极目的回溯漏检历史现场。
1.2K20编辑于 2022-01-27 - 来自专栏腾讯云TI平台
AI Talk | AI工业质检之以图搜图引擎
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工业质检之以图搜图引擎”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 以图搜图引擎就是以这样背景情况设计出来，终极目的回溯漏检历史现场。 ，这时就可以利用点位设计，把漏检样品二次拍摄，挑选样品特征明显的点位，根据单点位图像搜图漏检历史现场，这样可以节省巨大搜图时间，也同时提高搜图命中率。
1.9K31发布于 2021-09-28 - 来自专栏最新最全的大数据技术体系
AI绘画普及课【二】图生图
三、图生图 内容概要： 1、图生图原理 2、图生图基本流程 3、随机种子作用解析 1、图生图原理 图生图可以帮你把一张图片画成另一种模样。 在文生图中我们看到，AI文生图是有一定的随机性的，画出来的东西不一定完全满足我们的需求。在现实生活里，这种对需求的传递偏差与错误解读其实也普遍存在。比如天天干架的产品经理和程序员、甲方客户与设计师。 我们和AI之间的交流，可以把一张图片给他作为参考，来生成一张新的图片。 2、图生图的三个关键步骤 第一步：导入图片 第二步：书写提示词 第三步：参数调整 3、参数技术性解析 直接参考文生图的提示题。 4、随机种子的含义研究 AI生成画面是随机的，但它的每一次生成都有自己的一套描绘方式，而这个描绘方式，就会被记录成一组随机数，这个东西，我们就把它叫做一个随机种子。 从它的视角看，你说AI绘画是抽卡其实基本是正确的，因为你每生成一次，就会得到一个随机种子。有的种子效果好，有的种子效果差。
1.1K30编辑于 2023-09-27 - 来自专栏程序小小事
2025最新AI抠图神器推荐：AI抠图工具免费下载
相信很多小伙伴在工作中都遇到过需要抠图的情况，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抠图：免费高效的图片处理解决方案鲜艺AI抠图是一款完全免费、无需联网、支持批量处理的AI抠图工具，自从在吾爱论坛发布以来就获得了大量用户的好评。! 等常见图片格式操作灵活：支持单张处理和批量处理两种模式超便捷的操作方式这款软件提供了多种图片导入方式：直接选择图片文件拖拽图片到软件界面粘贴剪贴板中的图片粘贴图片网络链接直接从网页拖入图片令人惊艳的抠图效果让我们通过实际演示来看看这款软件的表现 多场景适用性测试人物抠图：发丝级精细处理物品抠图：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 抠图免费获取地址更多实用工具和技巧，欢迎关注【程序视点】，回复抠图获取更多相关内容！
48910编辑于 2025-08-28 - 来自专栏AI系统
【AI系统】图算 IR
首先介绍计算图的基本构成，包括计算图的整体介绍、与自动微分的关系、控制流的表示方法等；接着将介绍 AI 框架产生计算图的方式，包括产生静态图和产生动态图的方式；之后将介绍静态和动态计算图的内容，包括 AI 框架关于计算图的不同方案，例如现在大部分的 AI 框架都是从动态的计算图转到静态的计算图，而 MindSpore 是一开始支持静态的计算图，最后支持动静统一的动静态计算图；最后介绍计算图对 AI 编译器有何作用 基于计算图 AI 框架目前基于计算图的 AI 框架主要由基本的数据结构 Tensor 张量和基本的运算单元 Operator 算子组成。 AI 框架如何生成计算图本文将介绍在开发者编写代码后 AI 框架生成计算图相关的内容，包括计算图与自动微分的关系、AI 框架生成静态计算图的方式、生成动态计算图的方式等。 MindSpore 的优化主要针对静态图+AI 编译器的模式，对于动态图转静态图与 AI 编译器结合的模式，是否有更好的方案？
37610编辑于 2024-11-28 - 来自专栏AI系统
【AI系统】动态图与静态图转换
短短七八年时间，动静态图互相转换的技术在 AI 系统领域发展迅速，大大提升了 AI 算法/模型的开发效率，提高了 AI 产品应用的便利性，实现了计算效率和灵活性的平衡。 更详细的具体实现将会在 AI 编译器里面的 PyTorch 动态图转静态图的尝试路径讲解。 实现方式主流的 AI 框架最终目标是实现计算图的动静统一，目前从 AI 框架的技术趋势来看，动态图与静态图的融合在不断向前探索过程中：前端用户使用宿主语言（如 Python）中的控制流语句编写神经网络模型 ，调试完后，由 AI 框架自动转换为静态图的结构。 第二阶段：当执行完一次动态图后，AI 框架已生成静态图，当再次调用相同的模型时，AI 框架会自动指向静态图模型执行计算。
59310编辑于 2024-12-06 - 来自专栏AI系统
【AI系统】计算图原理
在前面的文章曾经提到过，目前主流的 AI 框架都选择使用计算图来抽象神经网络计算表达，通过通用的数据结构（张量）来理解、表达和执行神经网络模型，通过计算图可以把 AI 系统化的问题形象地表示出来。 本文将会以 AI 概念落地的时候，遇到的一些问题与挑战，因此引出了计算图的概念来对神经网络模型进行统一抽象。接着展开什么是计算，计算图的基本构成来深入了解诶计算图。 最后简单地学习 PyTorch 如何表达计算图。AI 系统化问题遇到的挑战在真正的 AI 工程化过程中，我们会遇到诸多问题。 因此派生出了目前主流的 AI 框架都选择使用计算图来抽象神经网络计算。计算图的定义我们会经常遇到有些 AI 框架把统一的图描述称为数据流图，有些称为计算图，这里可以统称为计算图。 而在 AI 框架中，计算图就是一个表示运算的有向无环图（Directed Acyclic Graph，DAG）。其两者都把神经网络模型统一表示为图的形式，而图则是由节点和边组成。
61710编辑于 2024-12-06 - 来自专栏wayn的程序开发
FastAPI开发AI应用教程七：新增文生图、图生图功能
本文将深入讲解如何在 FastAPI AI 聊天应用中实现文生图和图生图功能，重点介绍豆包 Seedream 4.0 图像生成模型的强大能力。 通过本教程，你将学会如何构建完整的 AI 图像生成系统，包括文生图、图生图等图像输出核心技术。 项目地址：https://github.com/wayn111/fastapi-ai-chat-demo 温馨提示：本文全文约八千字，看完约需 15 分钟。 项目概述 想象一下，当你向 AI 描述一个场景时，AI 能够立即为你生成对应的高质量图像；当你上传一张图片时，AI 能够基于你的描述对图片进行创意改造——这就是我们要实现的文生图和图生图功能！ 能力特性 业界首款 4K 多模态生图：Seedream 4.0 是业界首款支持 4K 分辨率的多模态图像生成模型，能够灵活处理文本、图像的组合输入，实现多图融合创作、参考生图、组合生图、图像编辑等核心功能
43210编辑于 2025-11-13 - 来自专栏做数据的二号姬
周一聊AI | AI思维导图TreeMind
24 2023-07 周一聊AI | AI思维导图TreeMind 近期发现的有意思的AI工具，AI思维导图treemind。可是AI生成的思维导图，还有灵魂么？ 至少我是没有相关的需求的，毕竟不需要量产思维导图嘛~ AI思维导图的灵魂呢 用AI制作思维导图，顿时觉得缺少了一些灵魂，怎么说呢，毕竟AI没有思维嘛。 思维导图的核心其实完全不在于这个图，而在于制作图的过程中对事情的思考，一旦这件事情都被AI代劳了，人本身的思维又要何去何从呢？ 思维导图本来是为了锻炼我们的思维能力，但是有了AI工具加持之后反而引起了思维的惰性。 前段时间有一篇AI爆款推文，大概是说AI污染了中文互联网之类的。 文章中的例子说得是一个AI知乎账号疯狂推文，其实你要仔细想一想我上面说得这个模式，丢一些书名给AI思维导图，让它批量生成上万张思维导图，然后打包到淘宝小红书上进行贩卖割韭菜，变现的速度不快么？
39130编辑于 2023-09-06 转载:【AI系统】动态图与静态图转换
短短七八年时间，动静态图互相转换的技术在 AI 系统领域发展迅速，大大提升了 AI 算法/模型的开发效率，提高了 AI 产品应用的便利性，实现了计算效率和灵活性的平衡。 更详细的具体实现将会在 AI 编译器里面的 PyTorch 动态图转静态图的尝试路径讲解。 实现方式主流的 AI 框架最终目标是实现计算图的动静统一，目前从 AI 框架的技术趋势来看，动态图与静态图的融合在不断向前探索过程中：前端用户使用宿主语言（如 Python）中的控制流语句编写神经网络模型 ，调试完后，由 AI 框架自动转换为静态图的结构。 第二阶段：当执行完一次动态图后，AI 框架已生成静态图，当再次调用相同的模型时，AI 框架会自动指向静态图模型执行计算。
46810编辑于 2024-12-13- 来自专栏AI系统
【AI系统】计算图基本介绍
在 AI 框架发展的最近一个阶段，技术上主要以计算图来描述神经网络。 综上所述，目前主流的 AI 框架都选择使用计算图来抽象神经网络计算表达，通过通用的数据结构（张量）来理解、表达和执行神经网络模型，通过计算图可以把 AI 系统化的问题形象地表示出来。 有了对计算图的基本了解之后，就开始深入地了解计算图，跟自动微分之间的关系。即计算图、神经网络在真正执行计算，反向传播如何传播，如何表达自动微分的概念，而不是停留在抽象的数学含义。 在基于计算图的 AI 框架中，这五个阶段统一表示为由基本算子构成的计算图，算子是数据流图中的一个节点，由后端进行高效实现。 因此会展开计算图和控制流之间的关系，也深入地去探讨计算关于调度和具体的执行方式，从而更好地、灵活地表达计算图。
22210编辑于 2024-12-06 - 来自专栏AI系统
【AI系统】计算图优化架构
计算图优化是一种重要的技术，主要目标是提高计算效率和减少内存占用，通常由 AI 框架的编译器自动完成，通过优化，可以降低模型的运行成本，加快运行速度，提高模型的运行效率，尤其在资源有限的设备上，优化能显著提高模型的运行效率和性能 计算图优化现在来到了核心内容，离线优化模块的计算图优化。早在本文之前，AI 编译器的前端优化已经讲述了很多计算图优化相关的内容。 但这些是基于 AI 框架实现的且通常出现于训练场景中，主要原因在于在在线训练的过程中。实验时间的要求相对宽松，所以可以引入较多的 GIT 编译或者是其他编译。 而在推理引擎计算图的优化中，更多的是采用预先写好的模板，而不是通过 AI 编译去实现的。 Layout & Memory: 布局转换优化，主要是不同 AI 框架，在不同的硬件后端训练又在不同的硬件后端执行，数据的存储和排布格式不同。
55610编辑于 2024-12-06 - 来自专栏前端技术地图
AI 调教师：绘制 ER 图
设计原子操作 在需求明确之后，我们首先需要设计接入 AI 的原子操作，在上面的需求中，我们无非是希望通过 AI 对我们的数据模型进行增删改。 我在上一篇文章**AI 调教师：聊聊 TypeChat 以及 ChatGPT 形式化输出 大概介绍过 ChatGPT 的形式化输出能力。 比如 GPT 4 的效果会比 3.5 好上很多 虽然还达不到「生产可用」的级别，但在这期间我们也总结了对接 AI 到已有系统的一些工作流： 确定需求。 系统原子操作的拆解。 我们的主要工作就是让 AI 将用户的自然语言需求转换为这些原子操作。 设计 DSL。设计 AI 输出的 DSL 形式，需要兼顾 AI 和已有系统的处理能力 推理过程步骤设计。 让 AI 模型知道结果是如何得到的，可以提升输出结果的准确性。 提供案例。案例越多，输出的结果就越可控 调优。这个调试的过程很难一步到位，就是测试、重建、测试、重建的过程。
2.3K40编辑于 2023-10-23 - 来自专栏AIGC新知
我用AI帮我生成了流程图、时序图(顺序图)、甘特图
5 款 AI 思维导图 ProcessOn功能：AI图表生成，Markdown和LaTeX支持，多格式导出，个性化风格，多人协作和云端存储。 GitMind功能：AI助理生成导图，文件转导图，个人知识库，快速记录灵感，美学和体感兼顾，支持多种思维分型。 博思白板功能：AI生成PPT、图片、思维导图，智能对话，团队协同，模板社区。 亿图脑图MindMaster功能：AI智能助手，多人实时协同，多格式导出，知识图谱，AI生成PPT，细节定制。 AI思维导图工具主要特点对比 ProcessOn提供多样化图形绘制和AI快速生成功能，适合专业人士和团队使用； TreeMind树图利用AI技术快速生成和编辑思维导图，适合教育工作者和企业员工； GitMind 使用提示词生成思维导图 介绍一些使用提示词就可以生成的AI 思维导图的方法。
3.3K10编辑于 2024-10-08 - 来自专栏前端达人
被大多数React开发者忽视的性能杀手锏：一文讲透Profiler API的原理和应用
React应用变慢的本质 React的核心机制很简单：状态变化 → 触发重渲 → 更新DOM。这个流程本身没问题，问题出在**"重渲的规模"**上。 原因很简单——你不知道这个组件是否真的在不必要地重渲。如果它根本不会重渲，所有这些优化都是浪费；如果它确实有问题，这些"小玩意儿"可能都治不了症。 你得打开浏览器、打开DevTools、操作页面、查看火焰图。 如果这个组件从不重渲，那么这7ms的差值毫无意义——你优化了一个不存在的问题。但如果这个组件每秒重渲5次，那么这7ms × 5 = 35ms的节省就很关键了。 正确做法：优化公式 = (actualDuration × 重渲频率)。只优化"伤害度"最高的组件。
20210编辑于 2025-11-20
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