在制作3D游戏时，常常遇到这样一个问题：一个平面，这个平面在现实中并不是一 个“平”面，例如砖墙的表面带有石质浮雕等等。这种情况下如果只是简单的做一个平面，则让人感觉严重失真……

深度学习是机器学习算法的子类，其特殊性是有更高的复杂度。因此，深度学习属于机器学习，但它们绝对不是相反的概念。我们将浅层学习称为不是深层的那些机器学习技术。

CPU上帧率低和卡顿是性能优化中最易出现的一部分，尤其对于手游，提到卡，就大概率是在CPU上出现的问题，CPU上的卡顿一般是卡逻辑或是卡渲染，本篇将详细系统的介绍基于UE的手游对CPU瓶颈的剖析方法。

机器人流程自动化会简化工作流程，将遗留系统紧密整合在一起，并使业务用户有能力解决自己的问题。但在诸多好处的背后，潜藏着一些亟需解决的问题。

这几年随着AI的浪潮席卷而来，各行各业陆续上演着AI取代人类工作的戏码，好像凡事只要套上AI再困难的事情都能解决，所以究竟AI到底是什么？今天就让我用一篇文章带你快速了解这人类长久以来的梦想技术——AI。

2020年全球疫情的严峻趋势，不仅重创全球汽车业，也顺便带来了一种“动力”，也让各大机构在展望2021年全球汽车产业的时候，会做出一些令人吃惊的预测。《福布斯》网站发布有关2021年全球汽车产业十大走势的调研文章，就能清楚的体会到这种“动力”。

AR技术不仅能够有效体现出真实世界的内容，也能够促使虚拟的信息内容显示出来，这些细腻内容相互补充和叠加。在视觉化的增强现实中，用户需要在头盔显示器的基础上，促使真实世界能够和电脑图形之间重合在一起，在重合之后可以充分看到真实的世界围绕着它。

如今制造行业流行的是什么?我想，这可少不了“数字转换”、“工业4.0”、“人工智能(AI)”...

BVH和空间划分技术不同，它并不是通过切割空间来管理场景中的物件。它是通过将物体分堆，然后在其上面包裹一层BV，达到管理场景的目的。

使用深度学习检测那些伪装成背景的目标。

提供有关AI问题的解决方案，澄清误解并讨论有关AI的各种概念

基于UE的手游客户端的性能主要由这七大部分构成：CPU逻辑，CPU渲染，图形API（提交），GPU渲染，内存，带宽，加载时间。这几个基本元素又会合力衍生出一些新的性能指标，例如功耗（往往同gpu负载和带宽紧密相关）。

技术的快速发展促使人类语言与技术的结合来得更快，自然语言处理已然成为当下很热门的话题之一。所以，想要进军自然语言处理领域的朋友们，不妨看看这篇文章，把基础打牢。

认字时，一定是小朋友的大脑在接受许多遍相似图像的刺激后，为每个汉字总结出了某种规律性的东西，下次大脑再看到符合这种规律的图案，考试就知道是什么字了。计算机认字时，也要先把每一个字的图案反复看很多很多遍，然后，在计算机的大脑（处理器加上存储器）里，总结出一个规律来，以后计算机再看到类似的图案，只要符合之前总结的规律，计算机就能知道这图案到底是什么字。

你的物体探测器能检测出下图中的人和马吗？如果同样的图像旋转90度会怎样？还能探测到人和马吗？

本文旨在简要介绍：目标跟踪的基本流程与框架，目标跟踪存在的挑战，目标跟踪相关方法，以及目标跟踪最新的进展等，希望通过这篇文章能让读者对视觉目标跟踪领域有一个较为全面的认识。

在实际项目开发中，提起unity优化，肯定是有DrawCall的相关内容的，本文就讲解一下什么是DrawCall以及如何对DrawCall进行优化操作。

UE4 的全名是 Unreal Engine 4，中文译为“虚幻引擎4”。UE4 是一款由 Epic Games 公司开发的开源、商业收费、学习免费的游戏引擎。那你了解UE4吗？如果还不清楚，就一起来看下这篇UE4详解吧！

拍摄花、昆虫等照片时，背景拍的比较模糊，突出被拍物。但当拍摄纪念照、风景等照片时，却会把背景拍摄得和被拍对象一样清晰。这两者就是不同景深。前者为浅景深，拍摄聚焦到被拍物上，只能拍清一小段距离，被拍物前后的景色都被虚化，清晰范围较小。而后者为大景深，清晰范围较大。

本章节我们将介绍如何对图像上的每个像素进行分类，其思想是创建图像上所有检测到的目标区域的地图。 基本上，我们想要的是下面的图像，其中每个像素都有与之关联的标签。最后我们将学习卷积神经网络（CNN）如何为我们完成这项工作。