CS001-50-depth

目录

深度图

如何写入深度图

长什么样子

copy depth pass

depth only pass

z反转

如何读取深度图&还原世界坐标


深度图

深度图,是记录离物体离摄像机最近的图。

如何写入深度图

深度图,在urp中,如果相机开启了需要深度图的话,会自动在写color之后,写一个深度图。此外urp还提供一个depth only pass的,他和免费提供的写深度互斥使用。

申请深度图

RenderingUtils.ReAllocateIfNeeded(ref m_CameraDepthAttachment, depthDescriptor, FilterMode.Point, TextureWrapMode.Clamp, name: "_CameraDepthAttachment");
cmd.SetGlobalTexture(m_CameraDepthAttachment.name, m_CameraDepthAttachment.nameID);

长什么样子

copy depth pass

为啥urp有个copydepth,还有个depthonly。

depthonly存在的原因,我的猜测是为了先得到深度图,earlyz的剔除功能,但是会增加drawcall。

copydepth存在的原因,我不知道:原始的_CameraDepthAttachment能用读取呀,为啥不直接用呢???

C#代码中申请_CameraDepthTexture的地方,然后将_CameraDepthAttachment拷贝到_CameraDepthTexture。

// Allocate m_DepthTexture if used
if ((this.renderingModeActual == RenderingMode.Deferred && !this.useRenderPassEnabled) || requiresDepthPrepass || requiresDepthCopyPass)
{
    var depthDescriptor = cameraTargetDescriptor;
    if (requiresDepthPrepass && this.renderingModeActual != RenderingMode.Deferred)
    {
        depthDescriptor.graphicsFormat = GraphicsFormat.None;
        depthDescriptor.depthStencilFormat = k_DepthStencilFormat;
        depthDescriptor.depthBufferBits = k_DepthBufferBits;
    }
    else
    {
        depthDescriptor.graphicsFormat = GraphicsFormat.R32_SFloat;
        depthDescriptor.depthStencilFormat = GraphicsFormat.None;
        depthDescriptor.depthBufferBits = 0;
    }

    depthDescriptor.msaaSamples = 1;// Depth-Only pass don't use MSAA
    RenderingUtils.ReAllocateIfNeeded(ref m_DepthTexture, depthDescriptor, FilterMode.Point, wrapMode: TextureWrapMode.Clamp, name: "_CameraDepthTexture");

    cmd.SetGlobalTexture(m_DepthTexture.name, m_DepthText
【负荷预测】基于VMD-CNN-LSTM的负荷预测研究(Python代码实现)内容概要:本文介绍了基于变分模态分解(VMD)、卷积神经网络(CNN)和长短期记忆网络(LSTM)相结合的VMD-CNN-LSTM模型在负荷预测中的研究与应用,采用Python代码实现。该方法首先利用VMD对原始负荷数据进行分解,降低序列复杂性并提取不同频率的模态分量;随后通过CNN提取各模态的局部特征;最后由LSTM捕捉时间序列的长期依赖关系,实现高精度的负荷预测。该模型有效提升了预测精度,尤其适用于非平稳、非线性的电力负荷数据,具有较强的鲁棒性和泛化能力。; 适合人群:具备一定Python编程基础和深度学习背景,从事电力系统、能源管理或时间序列预测相关研究的科研人员及工程技术人员,尤其适合研究生、高校教师及电力行业从业者。; 使用场景及目标:①应用于日前、日内及实时负荷预测场景,支持智慧电网调度与能源优化管理;②为研究复合型深度学习模型在非线性时间序列预测中的设计与实现提供参考;③可用于学术复现、课题研究或实际项目开发中提升预测性能。; 阅读建议:建议读者结合提供的Python代码,深入理解VMD信号分解机制、CNN特征提取原理及LSTM时序建模过程,通过实验调试参数(如VMD的分解层数K、惩罚因子α等)优化模型性能,并可进一步拓展至风电、光伏等其他能源预测领域。
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