目录前言方法标注3D-2DCrossTeaching伪标签选择Hard-SoftConfidenceThresholdConsistentPredictionFusion结论论文：3DMedicalImageSegmentationwithSparseAnnotationviaCross-Teachingbetween3Dand2DNetworks代码：https://github.com/hengcai-nju/3d2dct前言问题1：医学图像分割通常需要大量且精确标注的数据集。但是获取像素级标注是一项劳动密集型的任务，需要领域专家付出巨大的努力，这使得在实际临床场景中获取具有挑战性。可行的

随着科技的进步，自动驾驶、不断发展，自动驾驶相关车企对3D点云数据标注的需求量逐渐提高。3D点云标注是一种非常高精度的标注方式，自动驾驶汽车，无人机、农业技术，地图等都使用这项技术。作为自动驾驶汽车最重要的服务之一，激光雷达在自动驾驶技术中有着非常重要的作用。点云标记在使用深度学习算法时非常重要，因为它需要标记大量的训练数据，且分辨率低，标注过程复杂，这些特性使得激光雷达点云数据标注极具挑战性。在3D点云标注中，可以通过在每个点标记对象来使用3D框对1cm对象进行标注。激光雷达传感器采用3D点云标注来检测任何精确的物体，并使其在室外和室内环境中都能被识别。正确利用好的工具和技术，使我们经验丰富

目录3、IBL数学原理3.1、基于微平面理论的“Cook-Torrance”模型回顾3.2、ksk_sks​项与菲涅尔项等价消除3.3、拆分“漫反射项”和“镜面反射项”3、IBL数学原理  接下来，就让我们正式进入整个IBL的数学原理的旅程。请注意，前方高能！3.1、基于微平面理论的“Cook-Torrance”模型回顾  首先让我们先来完整的复习下整个反射方程（渲染方程）：Lo(p⃗,ωo⃗)=∫Ω(kdcπ+ksDFG4(ωo⃗⋅n⃗)(ωi⃗⋅n⃗))Li(p⃗,ωi⃗)n⃗⋅ωi⃗dωi⃗其中：D=NDFGGXTR(n⃗,h⃗,α)=α2π((n⃗⋅h⃗)2(α2−1)+1)2F=FS

最近碰到个伪需求:游戏串流。游戏引擎用D3D12渲染，再把游戏画面做视频编码，通过网络发送到远端做解码显示。第一反应就是走全GPU的流程，不要用CPU把显存里的数据拷来拷去。所以先获取渲染完的D3D12的framebuffer，然后送给IntelMediaSDK去做编码。查了一下MediaSDK文档，只支持D3D11的输入buffer，需要想办法把D3D12Resource转换成D3D11Texture2D。可以试试D3D11/D3D12的Texture2D资源共享。查了一下网上的讨论的帖子SharingID3D11BufferandID3D12Resource，微软自家的DirectX不同版

 第一步，设定软板属性，只有软板可以被弯折        Design-LayerStackManger        左击Advanced，左击AddStack，选中新建的Stack1，右边属性选中Flex第二步，设定软板区，只有软板区可以被弯折        View-BoardPlanningMode        Design–DefineSplitLine        板子区域分别左击一次确定分割起点和终点        （Design–DeleteSplitLine，板子区域左击取消分割线）        板子区域双击需要固定的区，选中3DLocked        板子区域双击

mayo是一款基于opencadcad和Qt的三维软件，主要功能是查看模型和模型间数据转换💾SupportedformatsFormatImportExportNotesSTEP✅✅AP203,214,242IGES✅✅v5.3BREP✅✅OpenCascadeformatDXF✅❌OBJ✅✅glTF✅✅1.0,2.0andGLBVRML❌✅v2.0UTF8STL✅✅ASCII/binaryAMF❌✅v1.2Text/ZIPPLY✅✅ASCII/binaryImage❌✅PNG,JPEG,…🔍3DvieweroperationsOperationMouse/KeyboardcontrolsRo

原文链接：https://arxiv.org/abs/2307.022701.引言  目前的从单目相机生成伪传感器表达的方法依赖预训练的深度估计网络。这些方法需要深度标签来训练深度估计网络，且伪立体方法通过图像正向变形合成立体图像，会导致遮挡区域的像素伪影、扭曲、孔洞。此外，特征级别的伪立体图生成很难直接应用，且适应度有限。  那么如何绕过深度估计，在图像层面设计透视图生成器呢？和GAN相比，扩散模型有更简单的结构、更少的超参数和更简单的训练步骤，但目前没有关于3D目标检测伪视图生成的研究。  本文设计单一视图扩散模型（SVDM）进行伪视图合成。SVDM假设已知左视图图像，将高斯噪声替换为左图

WPF本身不支持直接的3D绘图，但是它提供了一些用于实现3D效果的高级技术。如果你想要在WPF中进行3D绘图，你可以使用两种主要的方法：WPF3D：这是一种在WPF应用程序中创建3D图形的方式。WPF3D提供了一些基本的3D形状（如立方体、球体和锥体）以及一些用于控制3D场景和对象的工具（如相机、光源和材质）。 在WPF中，3D对象模型的材质可以使用以下三种DiffuseMaterial：漫反射，反射场景光效果EmissiveMaterial：自发光，类似于电灯 SpecularMaterial：全反射，可以映射场景贴图在WPF中，一个3D模型的材质，就是决定模型看起来是什么样子的一种很重要的

参考文章：Unity3D研究院之Android加密DLL与破解DLL.SO（八十一）|雨松MOMO程序研究院Unity3D研究院之Android二次加密.so二次加密DLL（八十二）|雨松MOMO程序研究院Unity2019.4.0Mono编译以及加密windows版_雾凇|Songs的博客-CSDN博客Windows下使用mingw+msys交叉编译AndroidUnityMono_weixin_30449453的博客-CSDN博客 Unity3D安卓导出包加密学习--加密libmono.so_GrimRaider的博客-CSDN博客 官方文章：CompilingMonoonWindows|

Unity3D场景渲染/卡顿/搭建优化遮挡剔除/层消距离技术/LOD（多层次细节）效果实现图：一、遮挡剔除简单理解：摄像机看不到的物体场景中不会渲染显示实现方法：在场景中选中需要遮挡剔除的物体，我这里是竹子设置遮挡静态接下来做场景的烘焙等待烘焙的完成选择遮挡剔除窗口的Visualizatior，运行程序移动摄像机即可看到效果经过调试，在远处时摄像机看到的物体较多，所有的物体都会被加载出来，帧率也比较低，在近处时，物体有很多看不见，不会被加载，帧率较高，我这里大概有近3000FPS的差值二、层消隐距离技术简单理解：因距离太远太小而看不见的物体将其隐藏。选中要剔除的物体，新建一个层级并给它添加编写