第一人称<ray>

using UnityEngine;
using System.Collections;

public class ray : MonoBehaviour {

    private Camera _camera;
    public GUISkin MySkin;
    public GameObject paodan;
    // Use this for initialization
    void Start () {
        _camera = GetComponent<Camera>();
    }

    // Update is called once per frame
    void Update () {
        if(Input.GetMouseButtonDown(0)){
            Vector3 point = new Vector3(_camera.pixelWidth/2,_camera.pixelHeight/2,0);
            Ray ray = _camera.ScreenPointToRay(point);
            RaycastHit hit;
            if(Physics.Raycast(ray,out hit)){
                GameObject hitobject = hit.transform.gameObject;
                ReactiveTarget target = hitobject.GetComponent<ReactiveTarget>();
                if(target != null){
                    Debug.Log("Target hit!");
                    target.ReactiveToHit();
                    Fenshu fenshu=GetComponent<Fenshu>();
                    fenshu.setCount();
                }
                else{
                    Debug.Log("hit"+hit.point);
                    StartCoroutine(SphereIndicator(hit.point));
                }
            }
        }
    }
    private IEnumerator SphereIndicator(Vector3 pos){
        GameObject sphere = Instantiate(paodan) as GameObject;
        sphere.transform.position = pos;

        yield return new WaitForSeconds(2);
        Destroy(sphere);
    }
    void OnGUI(){
        GUI.skin = MySkin;
        float size = 30f;
        float posX = _camera.pixelWidth/2 - size/2;
        float posY = _camera.pixelHeight/2 - size/2;
        GUI.Label(new Rect(posX,posY,size,size),"*");
    }
}
内容概要:该论文聚焦于T2WI核磁共振图像超分辨率问题,提出了一种利用T1WI模态作为辅助信息的跨模态解决方案。其主要贡献包括:提出基于高频信息约束的网络框架,通过主干特征提取分支和高频结构先验建模分支结合Transformer模块和注意力机制有效重建高频细节;设计渐进式特征匹配融合框架,采用多阶段相似特征匹配算法提高匹配鲁棒性;引入模型量化技术降低推理资源需求。实验结果表明,该方法不仅提高了超分辨率性能,还保持了图像质量。 适合人群:从事医学图像处理、计算机视觉领域的研究人员和工程师,尤其是对核磁共振图像超分辨率感兴趣的学者和技术开发者。 使用场景及目标:①适用于需要提升T2WI核磁共振图像分辨率的应用场景;②目标是通过跨模态信息融合提高图像质量,解决传统单模态方法难以克服的高频细节丢失问题;③为临床诊断提供更高质量的影像资料,帮助医生更准确地识别病灶。 其他说明:论文不仅提供了详细的网络架构设计与实现代码,还深入探讨了跨模态噪声的本质、高频信息约束的实现方式以及渐进式特征匹配的具体过程。此外,作者还对模型进行了量化处理,使得该方法可以在资源受限环境下高效运行。阅读时应重点关注论文中提到的技术创新点及其背后的原理,理解如何通过跨模态信息融合提升图像重建效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值