demi的博客

层次细节（LOD），它是根据物体在游戏画面中所占视图的百分比来调用不同复杂度的模型的。简单而言，就是当一个物体距离摄像机比较远的时候使用低模，当物体距离摄像机比较近的时候使用高模。这是一种优化游戏渲染效率的常用方法，缺点是占用大量内存。使用这个技术，一般是在解决运行时流畅度的问题，采用的是空间换时间的方式。

2020年新年伊始，新技术和新方法让我们与第四次工业革命的距离愈加接近。 当今世界技术的发展日新月异，对公司而言，要跟上数字世界的每一个变化和进步，是至关重要的极大挑战。

ADAS 是利用安装于车上的各式各样的传感器，在第一时间收集车内外的环境数据， 进行静、动态物体的辨识、侦测与追踪等技术上的处理， 从而能够让驾驶者在最快的时间察觉可能发生的危险， 以引起注意和提高安全性的主动安全技术。

通常在模型训练完之后，我们想要查看模型训练的效果以验证模型的好坏，并根据评估结果来继续调整模型的参数、特征或者算法，以达到满意的结果。在回归算法中评价模型好坏的指标很明确主要有：拟合优度R² ，均方误差MSEMSEMSE，均方根误差RMSE，以及平均绝对误差MAE。

点结构光只能获取单个点的深度信息，如要获取整个被测对象表面结构信息，需要沿着水平和垂直两个方向逐点扫描，效率比较低。点结构光技术只是对点状光斑进行处理，算法简单，计算复杂度小，但是需要引入扫描移动设备，以保证点光斑的遍历扫描，使得系统效率低下，难以满足实时性要求。

我们之所以使用卷积后的特征，是因为图像具有“静态型”的属性，也就意味着在一个图像区域的特征极有可能在另一个区域同样适用。所以，当我们描述一个大的图像的时候就可以对不同位置的特征进行聚合统计这种统计方式不仅可以降低纬度，还不容易过拟合。

随着训练过程的进行，模型复杂度，在training data上的error渐渐减小。可是在验证集上的error却反而渐渐增大——由于训练出来的网络过拟合了训练集，对训练集以外的数据却不work。

渲染管线也称为渲染流水线或像素流水线或像素管线，是显示芯片内部处理图形信号相互独立的的并行处理单元。在某种程度上可以把渲染管线比喻为工厂里面常见的各种生产流水线，工厂里的生产流水线是为了提高产品的生产能力和效率，而渲染管线则是提高显卡的工作能力和效率。

智能手机和移动设备的激增让我们的社会受益匪浅，这些智能设备的存在丰富并简化了我们的生活。智能设备以及物联网(IoT)和人工智能(AIoT)所带来的便利已经深深的植入我们的脑海中，以至于我们现在将其视为理所当然。

据IDC预测，全球数据圈将从2018年的33ZB增长到2025年的175ZB。数据的真正价值在于，决策者能够从相关数据中提取洞察与见解，并采取相关行动。人工智能（AI）和机器学习在数据分析中的应用预计将大幅增加。事实上，IDC表示，到2025年，认知系统所触及的分析数据量将增长100倍，高达1.4ZB。