• 我从远方赶来,恰巧你们也在

    我从远方赶来,恰巧你们也在
  • 梦境与现实在温暖的光影与声音中相遇

    梦境与现实在温暖的光影与声音中相遇
  • 同样的爱,让同样的渴望在这里汇聚

    同样的爱,让同样的渴望在这里汇聚

实时动态

  • 人工智能EQ:Waves Curves AQ

    一款由 Waves 推出的全新 AI 驱动的自动均衡器插件,被称为“世界上首个自主 EQ”。Curves AQ 的核心是其“Spectral Targeting”技术。插件通过神经网络分析音频,识别其频谱特性,并生成五条独特的 EQ 曲线供选择。

    MixSense 功能:在混音上下文中自动调整频率,避免轨道间的频率冲突。
    Smart Tilt:快速进行整体音色的倾斜调整,实现明亮或温暖的音色变化。
    Offset 功能:在频率轴上平移目标曲线,实现创意性的音色调整。
    Frequency Anchors:针对低频、基音、谐波和空气感四个频段进行精细调整。
    Curves AQ LIV…

    [查看更多]

  • Pinecone向量数据库的在线使用方法

    Pinecone 是一个专为机器学习和人工智能应用设计的托管向量数据库服务。它主要用于存储、检索和管理高维向量数据(如嵌入向量),并支持高效的相似性搜索(Similarity Search)。Pinecone 的核心目标是帮助开发者轻松构建和部署基于向量的应用程序,例如推荐系统、语义搜索、异常检测等。

    1. 登录并创建项目
    访问 Pinecone 网站:打开 [Pinecone 官网]并登录账户。
    进入仪表板:成功登录后,将看到一个仪表板界面。
    创建新项目:在免费层级(Free Tier)下启动一个新项目。点击“创建项目”按钮,并为项目命名。

    2. 获取 API 密钥[查看更多]

  • Qdrant向量数据库部署方法以及使用方法

    Qdrant 是一个高性能的向量搜索引擎,专为存储和检索高维向量数据而设计。它支持语义搜索、推荐系统、图像检索等应用场景。Qdrant 提供了开源版本以及在线托管服务(Qdrant Cloud),开发者可以轻松部署和使用。以下是 Qdrant 的基本使用流程:

    一、安装Qdrant(使用docker安装)
    1、拉取静像
    docker pull docker.m.daocloud.io/qdrant/qdrant

    2、运行镜像(在运行前必须要设置api密钥)
    docker run -d -p 6333:6333 -p 6334:6334 -e QDRANT__SERVICE__API_KE…[查看更多]

  • Elise Trouw 是一位来自圣地亚哥的美籍音乐家、歌手、作曲家和多乐器演奏家,以她出色的音乐才华和创新的视频内容而闻名。她出生于 1999 年,从小学习鼓和钢琴,后来又自学吉他和贝斯。她的音乐风格融合了流行、摇滚、爵士和另类音乐元素,受到 Sting、Radiohead 和 John Mayer 等艺术家的影响。

    Elise 最引人注目的是她的现场循 […]

  • 我最近在使用3de摄像机反求中遇到了一些问题,也解决了一部分,但还是有很多困惑的地方,同时也有一些想到的方法接下来去实践和验证。
    比较好的一些收获是;
    1.我在对比中发现,提升 deep tracking(追踪深度)数值并没有显著的提升结算结果,我前期认为提升这个参数数值,应该会显著提升追踪点质量,我把参数给到0.5至0.9之间测试,但后来我发现不提升该参数,得到的结算结果要好的多,同时也节省了很多时间,该参数应该适合应用于特殊的跟踪点,以及拍摄质量不好的时候,使用的时候应当适度。
    2.我发现使用图像控件…[查看更多]

  • 3. 向量数据库
    向量数据库(Vector Database)用于存储、索引和高效检索 高维向量,常用于 语义搜索、推荐系统、异常检测 等场景。例如,文本、图像、音频都可以转换为向量,以便进行相似性搜索。将数据转换为 嵌入向量,嵌入向量存储与检索。

    PineconeQdrant 进行对比,选择更适合你的 向量数据库需求

    两者都是 高效的向量数据库,但它们有一些关键区别:

    Pinecone vs. Qdrant 对比

    特性

    Pinecone

    Qdrant

    部署方式

    云端 SaaS(Pinecone 提供托管)

    本地部署 / 自托…[查看更多]

  • NewVFX 发了新动态 4个月, 2周 前

    NewVFX的运行速度比2024年提升了11倍,负载能力提升了5倍,在安全方面首次使用了实时AI自动化拦截,自动化编写规则,效率与精准程度都得到提升。同时AI已经全面接入站点内核,2月份已经开始对站内内容进行学习与RAG构建,会在基础测试完成后开放使用。NewVFX构建的AI系统已经在多个领域投入实践使用,紧跟时代、我们一直在努力。

  • Ai的发展给更多行业带来了便利,但如何应用到实际工作中成为生产力的一部分也是我一直在思考的问题。通过在api以及本地部署模型,进行前端调用,以及RAG知识库构建、通过大模型训练精微模型,每一种方式我都尝试过。在这个过程中也搜集了一些有用的站点。将这些记录在这里,以后还会继续更新。

    1. 本地部署大模型(LLM)
    选择合适的模型:选择适合需求的 LLM
    使用Ollama和LM Studio部署各大产商开源模型的流程

    2、嵌入模型(Embeddings)
    生成嵌入向量:使用合适的嵌入模型(如 BERT、Sentence-BERT)将文本内容转化为固定维度的嵌入向量。…[查看更多]

  • 老师这是我的操作步骤您看看有什么问题。看了您之前的视频,每个场景,在解算任何物体运动之前,都需要一个摄像机,①所以我先使用user track来标记了地面上的点来解算相机,②又因为想得到以固定参照点(比如斑马线端点)为原点的坐标系,我又以orient scene建立了坐标系,③继续添加user track来追踪目标车辆,并且采用user track节点中的export来导出txt坐标。综上所示:TXT追踪点坐标能导出来但是我发现我建立的坐标系对车辆跟踪点的坐标没有影响,车辆跟踪点还是以图片左下角为原点。老师辛苦您看我哪一步出了问题。

  • 感谢大佬回复!我的摄像机是完全不动的状态,所以我只需要导出选择的物体即可,但是我不会导,还请大佬明示,您发的相关的帖子我都看了学习了,但是get不到那个点

  • 查看更多