登录社区云，与社区用户共同成长
邀请您加入社区
本文介绍了3D开发中常用的基础数据类型及其应用场景。主要内容包括：二维向量(Vec2)用于屏幕坐标和UV纹理；三维向量(Vec3)表示位置、方向、缩放等；四维向量(Vec4)用于颜色和齐次坐标；四元数(Quaternion)作为旋转的最佳表示方式，避免了欧拉角的万向节锁问题；颜色(Color)的RGBA表示；轴对齐包围盒(Aabb)用于碰撞检测；矩形(Rect)表示平面区域；以及4x4矩阵(Mat
但是，无论是Mesh、Voxel和点云的时代，不要忘了，**大部分的内容都是程序员/美术给你定义好的，就像游戏，程序和美术都给你写好了，每个人体验的几乎一样，都会有玩腻的时候。背后是3DGS技术经过了2年多的快速演进，已经进入到了一个快速发展期，它不在是一个新的图形表达，类似Mesh、Voxel、Point等，而是在AI的大环境下，一种可以快速建模、生成、渲染，可微分的形成快速闭环链路的表达。为什
展示一个由小正方体搭建的3D立体模型，学生可以通过手指滑动屏幕旋转模型，并点击不同视角按钮（前面、上面、左面），应用显示对应视角的平面图形，培养空间想象力。const names = [‘’, ‘前面’, ‘后面’, ‘右面’, ‘左面’, ‘顶面’, ‘底面’]return names[this.currentFace] || ‘未知’：能辨认从前面、上面、左面观察到的几何体的形状。Text(‘
HarmonyOS7更新亮点实录43：Spatial Recon Kit 深度实践，3DGS 渲染管线深度编辑与 2D 图片的三维空间感重构
使用LangChain、LangGraph自校正智能体与管理流程构建智能RAG系统；使用CrewAI、微软AutoGen与微软智能体框架构建多智能体RAG；使用Docker将RAG智能体部署至AWS ECS Fargate、GCP Cloud Run、Azure、Railway与Render平台；希望实践多智能体框架的AI工程师；课程以检索增强生成（RAG）为核心，从零搭建生产级RAG工具套件，从
本文针对Web3D项目中GLB/glTF模型加载速度慢的问题，提出了五步优化方案：首先通过Chrome DevTools诊断瓶颈；其次使用Draco/Meshopt压缩模型；第三步采用KTX2格式优化纹理；然后调整Three.js加载配置；最后拆分场景并利用CDN缓存。这些措施可显著降低加载时间至2秒以内，解决大模型加载慢、移动端体验差和页面白屏等问题，提升用户留存率。
26年6月来自跨维智能（DexForce Technology）和港中大深圳分校的论文“Dexterity-BEV: Aligning 3D World and Actions for Generalizable Robot Policies Learning”。端到端操作策略结合网络规模预训练的视觉-语言模型（VLM），展现了实现通用且灵巧的机器人操作的潜力。然而，它们继承了二维基础模型的两个主
本项目基于YOLOv11深度学习框架，开发了一套高效的3D打印缺陷识别检测系统Spaghetti（杂乱堆积）、Zits（表面凸点）、Stringing（拉丝）。系统采用PyTorch框架训练优化模型，结合YOLO格式标注数据集，确保高精度检测能力。此外，项目提供了完整的Python项目源码，并配备了用户友好的UI界面，支持登录注册功能，便于用户管理和使用。系统在训练集（4,696张）、验证集（58
PointPillars是一种高效的3D目标检测方法，适用于自动驾驶和机器人LiDAR感知任务。其核心创新是将稀疏点云转换为BEV伪图像：在XY平面划分柱体（pillar），每个pillar覆盖整个高度范围，避免了3D卷积的计算开销。方法流程包括：点云范围裁剪、pillar划分、通过PointNet编码pillar特征、散射为BEV伪图像，最后使用2D CNN进行检测。相比传统方法，PointPi
摘要： 本文系统构建了严格SO(3)等变的球谐图神经网络（SH-GNN），通过群表示论与泛函分析的深度交叉，实现了从格点QCD诊断工具到跨维度统一深度学习框架的跃迁。核心贡献包括： 数学基础：从拉普拉斯方程导出球谐函数的完备正交性，建立三对角递推的数值稳定算法； 等变架构：证明三行代码实现的消息传递算子（1D/2D/3D同构）满足严格的SO(3)等变性，其动态稀疏截断误差受Parseval恒等式约
本文介绍了一种基于单目相机和已知平面约束的工业视觉定位方法。该方法通过将图像像素点反投影为相机坐标系下的射线，结合手眼标定和机器人当前位姿，将射线变换到机器人base坐标系，再与已知工作平面求交，最终确定目标点的三维坐标。该方法适用于目标点位于稳定平面的工业应用场景，如焊接定位、孔位识别等。核心流程包括像素去畸变、射线变换和平面求交三个步骤。虽然单目相机无法直接测量深度，但通过引入平面约束，可以有
深度估计的核心任务，是从输入的二维图像 I ∈ R^(H×W×3) 中，预测对应的深度图 D ∈ R^(H×W)，其中每个深度值 d_ij 表示图像像素 (i,j) 到相机的物理距离。这个看似简单的映射关系，却是计算机视觉中最基础也最困难的问题之一。深度图本身是一种极为丰富的信息载体。在自动驾驶场景中，深度图告诉系统前方车辆是50米还是100米；在增强现实中，深度信息决定了虚拟物体应该被放置在真实
本文系统阐述了3D成像技术中的相机模型，将其拆解为几何成像、辐射度量和光子转移三大核心模块。首先介绍了相机的镜头、滤光片和图像传感器三大构成部件及其关键参数。在几何成像模型中，从单透镜成像出发，推导了景深和超焦距公式，并详细解析了计算机视觉中的针孔模型和Brown畸变模型。文章还探讨了辐射度量模型和光子转移模型，全面揭示了从3D场景到2D图像的几何映射、辐射传递和灰度转换过程。这些模型对3D测量系
上一篇我们把智能生活助手的首页跑通了，今天来搞点酷的——给商品加一个 3D 展示功能。用户对着商品拍几张照片，App 就能在端侧重建出 3D 模型，然后 360° 旋转查看。这背后就是 HarmonyOS 7 引入的端侧重建技术。
本文介绍了一款300mm单片湿法清洗设备的技术参数与维护要点，设备搭载8个工艺腔体，理论产能300片/小时，支持SPM、SC-1等药液体系，配备精密温控和动态直喷系统。二手设备需定期维护药液阀组、校准传感器并检测关键部件。整机兼容65-45nm制程，适用于量产与研发。文末声明数据来源于官方资料，仅作技术参考，不承担商业用途风险。
React Three Fiber是一个将Three.js与React结合的3D渲染库，它通过JSX语法映射Three.js的API，使开发者能够用声明式React组件构建3D场景。该库支持完整的Three.js功能，提供高性能渲染，并与React状态系统深度集成。安装简单，支持TypeScript和React Native，拥有丰富的生态工具链（如drei、rapier等），适用于产品展示、数据
HarmonyOS 5的DeviceProfile与动态LOD模型切换方案，为3D应用解决了「高端机性能过剩、低端机体验拉胯」的痛点。通过「硬件检测-策略匹配-模型切换」的闭环流程，开发者无需为不同设备重复开发，即可让3D应用在全场景设备上流畅运行。
LayaAir是业内率先支持HarmonyOS-PC的游戏引擎，目前已有多款基于LayaAir-Native打包的鸿蒙平台应用成功上线，包括《斗罗大陆》、《一刀传世》、《猛鬼宿舍》、《君临传奇》等大型游戏，充分展现了引擎在原生性能和平台适配方面的优势。LayaAir引擎的全平台3D引擎定位、超百万的开发者用户基础、平台合作伙伴、使用引擎的知名企业、引擎特点、知名引擎案例等情况后，还重点介绍了。Je
在拍摄阶段，Remy通过AR Engine获取Camera图像数据和每一帧图像对应的相机位姿（Pose），基于这些数据，应用将当前拍摄覆盖情况实时可视化显示在轨迹球（Trajectory Ball）上，直观引导用户补充未拍摄区域，避免视角缺失或重建不完整的问题。HarmonyOS SDK未来将继续通过AR Engine为开发者提供稳定、易用的AR与空间计算能力，助力更多应用在移动端探索3D、AR与
Remy是一款基于3D重建技术开发的空间记录应用，用户只需使用手机摄像头进行环绕拍摄，即可像录制普通视频一样，生成沉浸式3D空间模型，捕捉生活中的真实三维瞬间。在拍摄阶段，Remy通过AR Engine获取Camera图像数据和每一帧图像对应的相机位姿（Pose），基于这些数据，应用将当前拍摄覆盖情况实时可视化显示在轨迹球（Trajectory Ball）上，直观引导用户补充未拍摄区域，避免视角缺
安装uv包管理器 → Blender安装addon插件 → Cursor配置MCP服务 → 启动连接并测试。只要严格按照步骤操作，就能在10分钟内完成整个部署，让你的Blender拥有AI原生创作能力。
Spatial-TTT最值得关注的，不只是一个2B模型在多个空间智能基准上的领先成绩，它还提供了一种重新理解长视频记忆问题的方式。传统长上下文方案试图保留更多历史内容，Spatial-TTT则进一步追问：模型能否将持续到来的视觉观察，转化为一份能够不断更新、修正和调用的内部空间状态？它不需要永久保存每一帧画面，却需要知道自己经过了哪里、看到了什么，以及空间关系如何随着新的观察发生变化。这对于真正进
打开账单，那个 AI 知识库会员又扣了三百多块。不多，但每次看到这笔钱，我心里都会冒出一个念头：这个月我打开过它几次？答案是：不超过三次。而且其中两次搜出来的东西，说实话，不太对。每个月续费的时候我都会犹豫一下。打开账单，那个 AI 知识库会员又扣了三百多块。不多，但每次看到这笔钱，我心里都会冒出一个念头：这个月我打开过它几次？答案是：不超过三次。而且其中两次搜出来的东西，说实话，不太对。这就是我
本文系统讲解了HarmonyOS 3D图形渲染的基础知识，从坐标系统体系到变换矩阵原理，再到完整的代码实现。
如果你是一名前端开发，你一定知道——做一块数据大屏要多久？传统方式：设计稿 → 切图 → 搭场景 → 调材质灯光 → 写交互 → 接数据 → 反复修改 → 交付。3D 大屏更复杂，Three.js 的坐标系、材质、光照每一项都能让你 debug 一整天。一个熟练的 Three.js 开发，做出本文这个效果，保守估计 3~5 天。
这篇文章介绍如何利用AI提示词快速生成一个交互式3D中国地图，无需编码基础。核心步骤包括：通过GeoJSON获取地理数据，使用d3-geo进行墨卡托投影转换，用Three.js将平面轮廓挤出为3D立体块，并添加鼠标交互功能。文章提供了完整的AI提示词模板，包含数据源地址、功能需求和技术要求，可直接用于Claude或ChatGPT生成可运行的HTML文件。实现效果包括：可旋转缩放的3D省份地图、悬停
打断后数字人能够理解用户的新问题并给出针对性回答，支持中途再次打断，实现真正的双向对话。用户可以通过纯语音与常驻的 3D 职场高管导师数字人顾言进行面对面的高压沟通对练，数字人能够以顶尖组织心理学专家的姿态，实时响应用户在职场中遇到的社交痛点，一次性提供极具杀伤力的高情商话术策略，开展全自动的连续模拟特训。同时，AI Coding 工具的加持让整个开发过程效率倍增——从 UI 布局、动画效果到大模
OpenAI疑似泄露GPT-5.6测试版本，引发AI圈震动。该模型展现出三大突破性升级：1.5M Token的超长上下文窗口、多Agent协同推理能力显著提升，以及性价比优势。实测显示，其在3D建模和游戏生成方面表现惊艳，能精准处理复杂空间关系和动态光影效果。文章通过代码示例展示了其推荐架构，并建议开发者适应Agent协作模式，善用长上下文优势。面对OpenAI的快速迭代（约每7周更新旗舰模型），
本文介绍了基于鸿蒙OS开发的3D盲盒贴纸App的设计与实现。项目采用ArkTS语言，核心功能包括： 盲盒抽卡系统： 设计5级稀有度（普通/稀有/史诗/传说/隐藏款） 3种盲盒类型（免费/白银/黄金）采用分层概率算法 实现贴纸重复计数与新收集检测机制 数据管理： 使用Map结构存储用户收藏 通过Preferences实现数据持久化 采用JSON序列化处理复杂数据结构 交互设计： 3D卡片旋转动画效果
本文完整记录Windows环境下CLI-Anything对接Codex与本地Blender的全流程部署方案。先梳理本地软件路径，分步完成Codex技能安装、Blender环境变量配置、Blender CLI工具与cli-hub管理工具部署；针对Windows特有中文路径编码、路径反斜杠转义、控制台GBK解码、无软链接权限四大兼容问题修改源码修复；搭建完整渲染链路完成多层功能验证，同时给出场景创建、
摘要 本文基于HarmonyOS的ArkUI框架，详细解析了如何实现一个高度拟物化的3D银行卡交互模块。通过声明式UI和强大的动画系统，开发者可以轻松构建具有空间感、物理惯性和点击翻转效果的虚拟信用卡。文章从数据模型定义、交互状态机设计、手势映射算法到动画编排逻辑，进行了全方位的技术拆解。核心内容包括： 数据模型与状态机：定义了银行卡的业务属性，并建立了控制卡片平移、旋转和翻转的交互状态机。 手势
第一类是传统3D软件集成AI插件的方案，这类工具在Blender、Maya等专业软件基础上嵌入AI生成模块，优势是与现有工作流兼容性较好，但对用户的3D基础知识要求仍然较高，且需要在多个软件间切换完成从建模到动画的全流程。第三类是一体化AI创作平台，代表性产品如V2Fun，将AI生图、AI建模、纹理生成、自动重拓扑、骨骼绑定与动画制作集成在同一平台内，减少了反复导入导出的步骤，有助于提升复杂构图的
3d
——3d
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
HarmonyOS开发者社区
DeepSeek技术社区
脑启社区
2048 AI社区
开源鸿蒙跨平台开发者社区
MCP技术社区
AI编程社区
AI Agent技术社区
AtomGit AI 社区
魔珐星云开发社区
人工智能6S服务平台
快递鸟社区
