Introduction Collada

本文深入介绍了COLLADA,一种跨平台的3D模型数据描述语言,原本由Sony为PS3/PSP设计,现已成为业界标准。文章分析了COLLADA在不同工具间共享数据的优势,以及它如何被各大厂商广泛接受。同时,讨论了标准的普及过程和面临的挑战,以及其在3D模型领域的应用潜力。
上次说过 Khronos 是这几年内不容忽视的力量。
http://kasicass.blog.163.com/blog/static/39561920090210166935

今天又简单了解了下 COLLADA,一个跨平台的3D模型数据描述语言。
http://www.khronos.org/collada/

COLLADA 原来是 Sony 为了 PS3/PSP 设计的,现在弄成了业界标准,自然风光不少,让各个工具创造的数据,都平滑的融入了它的体系。不过有一套开放的标准还是很好的,在各种工具之间共享数据方便了不少。新一代的引擎,只需要实现一个 COLLADA import 到自己的格式即可,不需要再去费时费里弄各种工具的 exporter 啦。google 的 o3d 就开始如此这般了。
http://code.google.com/apis/o3d/docs/techoverview.html

当然,COLLADA 作为这么新的、变动平凡的标准,要样各个工具的开发同学都十分了解其,也不是件容易的事情,自然也会碰到工具A导出的东西,到了工具B里面会有些问题。当然,让标准变得 wide-use,还需要时日。
http://osflash.org/pipermail/papervision3d_osflash.org/2007-March/003600.html

总的来说,COLLADA 已经被各大厂商接受,可以对比下其他几个标准的应用,看看工具的支持程度,还是觉得,跟着 COLLADA 混,还是比较有前途的。
http://en.wikipedia.org/wiki/COLLADA
http://en.wikipedia.org/wiki/X3D
http://en.wikipedia.org/wiki/U3D
http://en.wikipedia.org/wiki/3DMLW

当然,除了 M$ 大爷,还有谁能撼动 COLLADA 的地位呢~ 不过目前 M$ 大爷 ms 还米什么动作。只是发现某位 M$ 的 gg 开始研究 COLLADA,希望某天 DX 直接支持 COLLADA 的导入,就方便鸟~
http://blogs.msdn.com/guillaumerandon/

------------------------
好了,最后给出两个“官方”的 collada lib

collada dom, sony老哥给的开源版
http://sourceforge.net/projects/collada-dom

Feeling software 的版本,号称是 3dmax/maya 的御用版本。不过 .... 好景不长, fcollada 已经 out-of-date 了,没有新的更新了,好在有人接着在 sf.net 上开了个持续的项目, so ... 请使用 colladamaya 那个链接。不得不感叹,技术变迁太快~~
http://www.feelingsoftware.com/content/view/62/76
http://www.collada.org/mediawiki/index.php/FCollada
http://sourceforge.net/projects/colladamaya
内容概要:本文介绍了ENVI Deep Learning V1.0的操作教程,重点讲解了如何利用ENVI软件进行深度学习模型的训练与应用,以实现遥感图像中特定目标(如集装箱)的自动提取。教程涵盖了从数据准备、标签图像创建、模型初始化与训练,到执行分类及结果优化的完整流程,并介绍了精度评价与通过ENVI Modeler实现一键化建模的方法。系统基于TensorFlow框架,采用ENVINet5(U-Net变体)架构,支持通过点、线、面ROI或分类图生成标签数据,适用于多/高光谱影像的单一类别特征提取。; 适合人群:具备遥感图像处理基础,熟悉ENVI软件操作,从事地理信息、测绘、环境监测等相关领域的技术人员或研究人员,尤其是希望将深度学习技术应用于遥感目标识别的初学者与实践者。; 使用场景及目标:①在遥感影像中自动识别和提取特定地物目标(如车辆、建筑、道路、集装箱等);②掌握ENVI环境下深度学习模型的训练流程与关键参数设置(如Patch Size、Epochs、Class Weight等);③通过模型调优与结果反馈提升分类精度,实现高效自动化信息提取。; 阅读建议:建议结合实际遥感项目边学边练,重点关注标签数据制作、模型参数配置与结果后处理环节,充分利用ENVI Modeler进行自动化建模与参数优化,同时注意软硬件环境(特别是NVIDIA GPU)的配置要求以保障训练效率。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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