为什么在纹理采样时需要texture filter（纹理过滤）？我们的纹理是要贴到三维图形表面的，而三维图形上的pixel中心和纹理上的texel中心并不一至（pixel不一定对应texture上的采样中心texel），大小也不一定一至。当纹理大于三维图形表面时，导至一个像素被映射到许多纹理像素上;当维理小于三维图形表面时，许多个象素都映射到同一纹理。
机器学习是个跨领域的学科，而且在实际应用中有巨大作用，但是没有一本书能让你成为机器学习的专家。
在这篇文章中，我挑选了10本书，这些书有不同的风格，主题也不尽相同，出版时间也不一样。因此，无论你是新手还是领域专家，一定能找到适合你的。
新手的最佳读物
这本书绝对是初学者非常期待的入门书。这本书条理清晰，学习成本低，因此我把它列为新手的最佳读物。
下面让我们深入讨论一些关于人工智能程序的话题。
人工智能编程范例
如果您想接触最新的人工智能技术，那么Peter Norvig写的人工智能编程范例将非常适合。
一直以来，有件令人悲哀的事实：压力对于游戏开发者来说是一种很正常的事情。当游戏交期来临时、开发过程中意想不到的问题出现需要解决时、工作学习过程中（当这些状况出现时候，或者需要使用之前从未使用过的软件时）等等，存在很多原因给开发者带来压力。
然而幸运的是，目前有一些方法能帮助开发者减轻压力。互联网行业中的每个人都应该学习一下这些方法，否则压力太大会造成低效率的工作且影响团队整体工作。毕竟，整个游戏开发的本质是：团队合作。
这些建议对于缓解压力是方便有效的。
1、时刻铭记你不是一个人
在任何的工作室中，无论是大的还是小的，远程还是现场办公，一个项目都是由大家共同完成。项目任务分配给每个人，你也不例外，所以在整个过程中你并不孤单。显而易见，并不是当你开始一个项目时就要一直独自盯着它一个月。
每件事情并不是只有给你带来压力和挫败感，记住每个人也会感觉有些精疲力尽。这不是你自己一个人的感受，整个团队都会有这样的感觉。
2、不要害怕寻求帮助
GPU流水线主要分为两个阶段：几何阶段和光栅化阶段
几何阶段
顶点着色器 ——> 曲面细分着色器（可选）----->几何着色器（可选）----->裁剪——>屏幕映射
顶点着色器
流水线的第一个阶段，输入来自于CPU，处理的基本单位为单个顶点，输入的每个顶点都会调用一次顶点着色器。
主要工作是：坐标变换（比如改变顶点位置模拟水面、布料等）和逐顶点光照，并输出后续阶段需要的数据（常见的输出路径是经光栅化后交给片元着色器处理）。
曲面着色器
一个可选的着色器，用于细分图元。
几何着色器
用于执行逐图元操作，或者用于产生更多的图元
裁剪
将不在摄像机视野的顶点裁剪掉，并剔除某些三角图元的面片（主要处理一部分在视野内另一部分在视野外的图元。
一 、形状特征
（一）特点
各种基于形状特征的检索方法都可以比较有效地利用图像中感兴趣的目标来进行检索，但它们也有一些共同的问题，包括：
①目前基于形状的检索方法还缺乏比较完善的数学模型；
②如果目标有变形时检索结果往往不太可靠；
③许多形状特征仅描述了目标局部的性质，要全面描述目标常对计算时间和存储量有较高的要求；
④许多形状特征所反映的目标形状信息与人的直观感觉不完全一致，或者说，特征空间的相似性与人视觉系统感受到的相似性有差别。
另外，从2-D图像中表现的3-D物体实际上只是物体在空间某一平面的投影，从2-D图像中反映出来的形状常不是3-D物体真实的形状，由于视点的变化，可能会产生各种失真。
（二）常用的特征提取与匹配方法
1. 几种典型的形状特征描述方法
摘要： 本文对机器学习的一些基本概念给出了简要的介绍，并对不同任务中使用不同类型的机器学习算法给出一点建议。
在从事数据科学工作的时候，经常会遇到为具体问题选择最合适算法的问题。虽然有很多有关机器学习算法的文章详细介绍了相关的算法，但要做出最合适的选择依然非常困难。
在这篇文章中，我将对一些基本概念给出简要的介绍，对不同任务中使用不同类型的机器学习算法给出一点建议。在文章的最后，我将对这些算法进行总结。
首先，你应该能区分以下四种机器学习任务：
• 监督学习
• 无监督学习
• 半监督学习
• 强化学习
监督学习
监督学习是从标记的训练数据中推断出某个功能。通过拟合标注的训练集，找到最优的模型参数来预测其他对象（测试集）上的未知标签。如果标签是一个实数，我们称之为回归。如果标签来自有限数量的值，这些值是无序的，那么称之为分类。
5G这个概念在2018年的年末随着华为孟晚舟事件被推向高潮，除了华为、三星、诺基亚等设备商和三大运营商，对于落地场景的智能家居来说，5G的全面商用也有诸多影响。
不仅仅是宽带的提升，除了智能家居，5G在工业自动化、无人驾驶、网联无人机、远程医疗、智能交通等领域逐步兴起；移动超高清视频、增强现实(AR)/虚拟现实(VR)等大视频应用推动网络带宽需求大幅提升。5G将开启万物互联、无限遐想的新时代，整个社会对5G时代充满期待。
整合智能设备促行业发展原动力
在刚刚过去的2018年，智能门锁、智能音箱、智能灯泡、烟雾探测器、智能网关(控制中心)、家用摄像头，满足人们安全保障的智能家居产品才是现阶段可以有效推动智能家居发展的动力。随着5G的发展及智能家居市场的日渐成熟，智能厂商积极联动构建智能安防生态系统，完善行业的配套法规和标准体系，这将极大地提高家庭用户的接受度，并将有望成为下一个发展爆点。
VoLTE受众范围更广泛
VoLTE即Voice over LTE(LTE通话)，它是一种IP数据传输技术，可实现数据与语音业务在同一网络下的统一。简单的说，就是当你在打电话的时候，也可以用流量上网。
VR即Virtual Reality，意思是“虚拟现实”，是一种可以创建和体验虚拟世界的计算机仿真系统。它利用计算机生成一种模拟环境，是一种多源信息融合的、交互式的三维动态视景和实体行为的系统仿真使用户沉浸到该环境中。
在VR领域里，最被大家所熟知的就是VR眼镜了。VR眼镜是“虚拟现实头戴式显示器设备”的简称，亦可称为VR头显。
VR眼镜原理
VR眼镜的主要配置就是两片透镜。VR透镜属于成像光学设计，透镜表面设计有平凸（非球面）、双凸和凹凸效果，透镜边缘薄，中心厚。凸透镜能修正晶状体的光源的角度，使其重新被人眼读取，达到增大视角、将画面放大、增强立体效果的作用，让人有身临其境的感觉。
如果没有凸透镜做VR的眼镜，所看到的画面就很小，视觉效果就欠佳。因为光束是从不同角度射到晶状体上的，所以会感觉眼睛与事物的距离较远，而事实上距离并没有那么远。
VR眼镜的核心是显示技术。显示技术包括：交错显示、画面交换、视差融合。
交错显示
前言
近二十年来，DNS重绑定（DNS rebinding）攻击一直是讨论的话题。尽管浏览器厂商做出了努力，但仍然无法找到一个能稳定抵御这些攻击的防御系统。据说这类问题八年前就已经被修复了。但是这类攻击通过新的攻击向量再次出现。
总的来说，可以肯定未来的黑客活动将通过多个现有攻击组合形成新的攻击向量。这些新攻击向量的一个很好的例子就是攻击加密货币钱包的DNS重绑定攻击。
在本文中，我们讨论了Princeton（普林斯顿大学）和UC Berkeley（加州大学伯克利分校）关于基于web的方式攻击物联网设备的研究，这些攻击会导致设备被黑客发现、攻击和接管。研究于2018年8月发表。
设备与黑客发现和攻击物联网设备的方法
研究人员的目标是测试15个物联网设备。这些设备中只有七台有本地HTTP服务器，所以研究的重点放在它们上，它们包括：Google Chromecast、Google Home、一台智能电视、一个智能开关和三个摄像头。
卷积神经网络作为深度学习的典型网络，在图像处理和计算机视觉等多个领域都取得了很好的效果。
Paul-Louis Pröve在Medium上通过这篇文章快速地介绍了不同类型的卷积结构（Convolution）及优势。为了简单起见，本文仅探讨二维卷积结构。
卷积
首先，定义下卷积层的结构参数。
卷积核大小（Kernel Size）：定义了卷积操作的感受野。在二维卷积中，通常设置为3，即卷积核大小为3×3。
步幅（Stride）：定义了卷积核遍历图像时的步幅大小。其默认值通常设置为1，也可将步幅设置为2后对图像进行下采样，这种方式与最大池化类似。