当前位置: 首页 > news >正文

Lecture8 | LPV VXGI SSAO SSDO

Review: Lecture 7 | Lecture 8


LPV  (Light Propagation Volumes)

Light Propagation Volumes(LPV)-孤岛惊魂CryEngine引进的技术

LPV做GI快|好

大体步骤:

Step1.Generation of Radiance Point Set Scene Representation 生成辐射点集的场景表示:辐射点集是一组离散的点(Point Set),每个点都存储了光照信息

Step2.Inject Light into LPV

Step3.Volumetric radiance progagation

Step4.Scene lighting with final light propagation volume

详细说明

step1:

find direct lit, apply RSM,  use shadow map,有多少primary light就要用多少次(待查)

点云状(Sparse Point Set)

  • 辐射点集通常看起来像一个稀疏的点云,它们分布在场景的表面或空间中。
  • 这些点不一定均匀排列,而是根据场景几何结构光照强度分布来布置。
  • 每个点存储的信息包括:
    • 位置(Position)
    • 颜色(Color)
    • 辐射度(Radiance)
    • 法线(Normal)
    • 可能还有视角方向(Viewing Direction)

示意图(近似概念)

---------------
| .  .  .     |    (点状分布)
|    .   . .  |  
|  . .     .  |  
---------------

step2:

pre-subdivide the scene into a 3d grid

找到包含光源的voxel(朝向各不相同)

用SH压缩(用2阶,4个数)

Step 3:

Propagation: 穿过上表面的radiance都会被上一个格子收到,右表面被右边的格子收到。(穿过斜对角就看作直行,如右上角,看作往右再往上)(每一个格子存储的相当于light transport)

六面传播

Step4:Rendering

-For any shading point, find the grid cell it is located in

-Grab the incident radiance in the grid cell (from all directions)

-Shade

问题:

1.传播过程中,不考虑一个格子能不能看到下一个格子,和RSM一样不考虑visibility

2.光照“泄漏”(Light Leakage) (格子大了出现Light Leaking问题)

  • 因为 LPV 体素是一个离散网格,如果墙壁或物体的采样不足,光可能会“穿透”墙壁,导致错误的间接光。
  • 解决方案:
    • 使用 屏幕空间遮挡(Screen Space Occlusion) 来补充 LPV 的光遮挡信息。
    • 增加 体素分辨率,提高几何精度。

例1:格子太大了,p会照亮自己的背面

例2:(左边屋檐下面发亮)

3.格子划分地太细,3d空间存储吃不消,propagate计算很慢。格子数量至少比像素数量要少一个数量级

Cascade LPV(分级 LPV) 注:不是八叉树,是类似于层级分割的 MipMap 结构
  • 现代游戏引擎(如 UE4)使用 Cascade LPV,即多个 LPV 体素网格叠加,类似 Cascade Shadow Map:
    • 小 LPV(32³):用于近处的高精度间接光照。
    • 大 LPV(16³):用于远处的大范围光照。

Cascade(级联) 这个词在计算机图形学中指的是 “多层级逐步处理”,通常用于优化计算成本,同时保证一定的视觉质量。它的核心思想是 “远处用低精度,近处用高精度”,减少不必要的计算量。

在realtime rendering叫cascade级联,在离线渲染叫做multi scale或者level of details(待查),就是有层次结构的加速

🌊 Cascade

  • "cascade" 最原始的意思是 瀑布(多个台阶状的水流)。
  • 计算机图形学 里,它引申为 “逐级传播”“层级优化”

UE4 的 Cascade 粒子编辑器(现在被 Niagara 取代)用的是 模块化、层级式的控制方式,这和 “Cascade” 的“级联”概念” 很像:

  • 可以 逐层(级联式) 组合不同粒子效果,比如 发射(Spawn) → 速度(Velocity) → 颜色(Color) → 大小(Size)
  • 效果是 一层一层叠加的,就像 级联阴影(Cascade Shadow Maps) 那样,所有影响因素逐步传播下去。

所以它的名字其实强调的是 “级联控制”,而不是专门指 瀑布 🌊。

🆕 UE5 里的 Niagara

  • Niagara(尼亚加拉)粒子系统 真的取名自 Niagara Falls,但它也不只是做瀑布。

4.LPV是实时的,不是预计算,任意一帧都要进行计算。

适用于动态场景(如昼夜交替、物体移动等),相比静态 GI(如 Lightmass)不需要预计算烘焙。

LPV与其他GI技术的对比

总结:Light Propagation Volumes 是一种快速、近似的全局光照方案,适用于动态环境,但其精度较低,容易出现光照泄漏。对于次世代游戏,SSGI 和 RTGI 更具优势,但 LPV 仍然在一些开放世界、低端设备或快速迭代的场景中有一定价值。(待查)


以上写于2.6日 


VXGI (Voxel Global Illumination)

LPV 通常为 4 pass,RSM和VXGI是2 pass

RSM里面是lit patch

VXGI是类似lego 格子

弹幕:这里找对应层级累加并不会重复计算,注意看右图,找的不同层级位于场景中的不同位置,只要控制合适的步长,查询的每个grid并不会有多大的重叠

VXGI 通过 体素化 + 锥体追踪 提供了一种高效的动态全局光照解决方案,尤其适用于需要高质量实时间接光照的场景(如 3A 游戏)

结论:

  • RSM(Reflective Shadow Maps) 是 2025 年最落伍、几乎没有发展潜力的 GI 技术,而 UE5 主要采用 Lumen 作为全局光照方案,它本质上是 Screen Space GI(SSGI)+ Voxel GI + SDF GI 的混合体。
  • LPV 仍可用于大规模户外场景,但不如 Lumen 先进
  • VXGI 仍然是高精度 GI 方案,但计算量大,通常只用于 RTX 硬件支持的游戏

SSAO

AO 计算的是一个比例值(0-1),它只是一个遮挡因子

 What
SSAO(屏幕空间环境光遮蔽)是一种基于屏幕空间计算环境光遮蔽(AO,Ambient Occlusion)的技术,用于模拟物体之间的光照遮挡效果,让场景更具层次感和真实感。它只考虑当前屏幕可见的像素,不会计算屏幕外的物体对 AO 的影响。

 Why
在现实世界中,环境光会被凹陷处、缝隙、角落等地方部分遮挡,使这些区域相对更暗。而实时渲染中,全局光照计算成本极高,SSAO 提供了一种低成本的近似方法,让物体与环境的交互更真实,同时增强画面对比度和细节表现。

How

  1. 获取深度缓冲 & 法线缓冲
    • 从 G-Buffer 读取每个像素的深度值和法线信息。
  2. 采样周围像素
    • 通过随机采样当前像素周围的小范围深度值,检查这些点是否比当前像素更远(意味着有遮挡)。
  3. 计算遮蔽系数
    • 根据遮挡程度计算光照衰减,生成 AO(通常是 0~1 的灰度值)。
  4. 模糊 & 合并
    • 对 AO 结果进行模糊滤波(如 Gaussian Blur),并将其乘到最终光照结果上,使遮挡区域变暗。

SSAO的 key idea 1

  • 我们不知道入射的间接光照(indirect lighting)

    • 在实时渲染中,环境光(ambient light)通常是间接光的主要来源,但其计算非常复杂,尤其是在动态场景中。
  • 假设它是常量(constant)

    • 为了降低计算成本,SSAO 假设环境光是均匀的,即所有着色点(shading points)接收到的环境光强度相同,不管方向如何。
    • 这种假设可以让计算更简单,只需要基于深度缓冲(depth buffer)和法线缓冲(normal buffer)来近似环境光遮蔽(Ambient Occlusion)。
  • 这听起来熟悉吗?(Sounds familiar to you?)

    • 暗示了传统光照模型(如 Blinn Phong Reflectance Model)通常直接使用一个全局环境光值,而 SSAO 只是对其进行了一些改进,使环境光更具方向性和细节感。

key idea2: 不同点的环境光可见性不同

key idea3: 假设是diffuse物体

visibility拆出去,visibility自己的积分除以一个空的积分,橙色框diffuse物体随便指定一个常数

总得来说AO就是(the weight-averaged visibility V̄ from all directions) * (constant)

平均可见性*某常数

弹幕:光照和BRDF都是常数,本来就可以拆出来。这里只是拼凑了一个按照cos加权求和的形式方便后续操作

任何一个shading point,往周围某半径的球里面随机撒点。

screen space从camera角度至少有一个深度图。据此划分绿|红。

周围红点少于一半的直接忽略。红点过半的情况下才开始考虑AO问题

红色虚线那边的红点会有误差,但是可接受

错误的认为石凳对地板有贡献。

falsh occlusion:在 SSAO 中,算法通过从每个像素发射射线并计算深度值来估算周围物体的遮蔽情况。对于每条射线,计算是基于屏幕空间的深度信息,然而,这个深度信息的精度会受到深度缓冲区精度的限制。

使用更精细的 SSAO 技术,如 HBAO(基于地平线的环境遮蔽,多存一张normal map)或 SSDO(屏幕空间方向光遮蔽),这些算法能够更精确地捕捉几何细节,减少不真实的遮蔽效果。

 

SSAO错误遮挡
消除错误

 

 


2025.2.6-2.8

相关文章:

Lecture8 | LPV VXGI SSAO SSDO

Review: Lecture 7 | Lecture 8 LPV (Light Propagation Volumes) Light Propagation Volumes(LPV)-孤岛惊魂CryEngine引进的技术 LPV做GI快|好 大体步骤: Step1.Generation of Radiance Point Set Scene Representation 生成辐射点集的场景表示:辐射…...

三种Excel文本连接方法!

大家好,我是小鱼。 在处理Excel表格数据时,有时需要对表格某些单元格中的文本进行连接组合。今天就跟大家分享3种Excel文本连接方法!学会后遇到Excel文本连接问题也不求人! 方法一、使用&符号连接 使用&符号连接文本的话…...

ubuntu 本地部署deepseek r1 蒸馏模型

本文中的文件路径或网络代理需要根据自身环境自行删改 一、交互式chat页面 1.1 open-webui 交互窗口部署:基于docker安装,且支持联网搜索 Open WebUI 是一个可扩展、功能丰富且用户友好的自托管 AI 平台,旨在完全离线操作。它支持各种 LLM…...

如何删除本地大模型

随着Deepseep模型的爆火,越来越多的用户尝试在本地安装并体验这一强大的AI工具。然而,许多人在安装过程中发现,模型默认会安装在C盘,而C盘的空间通常有限,尤其是对于那些系统盘容量较小的用户来说,这无疑是…...

【共享文件夹】使用Samba服务可在Ubuntu和Windows系统之间共享一个实际的文件夹

目标:在Ubuntu和Windows系统之间共享一个实际的文件夹,并能够共同编辑其中的文件 安装Samba创建共享文件夹配置Samba设置Samba密码重启Samba服务以应用更改:在Windows中访问共享文件夹如果客户机无法访问 Samba 服务器,解决方法①…...

用Llama Factory单机多卡微调Qwen2.5时报torch.OutOfMemoryError: CUDA out of memory的解决办法

接着上一篇博客:在Ubuntu上用Llama Factory命令行微调Qwen2.5的简单过程_llamafactory 微调qwen 2.5-CSDN博客 如果需要微调比较大的模型,例如Qwen2.5-32B,那么在两个3090上可能不够用,这里我用A60004的服务器。但如果仿照上篇博…...

第 26 场 蓝桥入门赛

3.电子舞龙【算法赛】 - 蓝桥云课 问题描述 话说这年头,连舞龙都得电子化!这不,蓝桥村的老程序员王大爷突发奇想,用LED灯带和一堆传感器鼓捣出了一条“电子舞龙”,它能根据程序指令在村里的广场上“翩翩起舞”。 广…...

文华财经期货支撑压力多空K线变色期货指标,博易大师指标公式大全

低线:25,DOT; 中线:55,DOT; 高线:85,DOT; LOWV:LLV(LOW,9); HIGHV:HHV(HIGH,9); RSV:EMA((CLOSE-LOWV)/(HIGHV-LOWV)*100,3); K:EMA(RSV,3); 趋势线:MA(K,3); DBA:K-趋势线; STICKLINE(DBA>0,(K-DBA*0.1),(K-DBA*0.75),2,0),COLORRED; STICKLINE(DBA<0,(趋势线DBA*0.1),…...

基于大模型的围术期脆弱性评估系统研究报告

一、引言 1.1 研究背景与意义 围术期是指从患者决定接受手术治疗开始,到手术治疗直至基本康复的全过程,包括术前、术中和术后三个阶段。围术期管理对于保障患者安全、提高治疗效果具有至关重要的意义。在术前阶段,全面准确的评估患者身体状况能够帮助医生提前发现潜在风险…...

星网锐捷 视频话机设备pwdsetting管理密码信息泄漏

星网锐捷 视频话机设备pwdsetting管理密码信息泄漏 漏洞描述 星网锐捷视频话机设备 泄露管理员密码&#xff0c;攻击者可利用密码直接进入后台配置页面&#xff0c;执行恶意操作&#xff0c;进行一步攻击。 威胁等级: 高危 漏洞分类: 信息泄露 涉及厂商及产品&#xff1a;…...

深入理解小波变换:信号处理的强大工具

引言 在科学与工程领域&#xff0c;信号处理一直是关键环节&#xff0c;傅里叶变换与小波变换作为重要的分析工具&#xff0c;在其中发挥着重要作用。本文将深入探讨小波变换&#xff0c;阐述其原理、优势以及与傅里叶变换的对比&#xff0c;并通过具体案例展示其应用价值。 一…...

Python----Python高级(并发编程:协程Coroutines,事件循环,Task对象,协程间通信,协程同步,将协程分布到线程池/进程池中)

一、协程 1.1、协程 协程&#xff0c;Coroutines&#xff0c;也叫作纤程(Fiber) 协程&#xff0c;全称是“协同程序”&#xff0c;用来实现任务协作。是一种在线程中&#xff0c;比线程更加轻量级的存在&#xff0c;由程序员自己写程序来管理。 当出现IO阻塞时&#xff0c;…...

神经网络(Neural Network)

引言 神经网络,作为人工智能和机器学习领域的核心组成部分,近年来在诸多领域取得了显著的进展。受生物神经系统的启发,神经网络通过模拟人脑神经元的工作机制,能够从大量数据中学习复杂的模式和关系。其强大的非线性建模能力使其在图像识别、自然语言处理、语音识别和预测…...

AIGC-微头条爆款文案创作智能体完整指令(DeepSeek,豆包,千问,Kimi,GPT)

Unity3D特效百例案例项目实战源码Android-Unity实战问题汇总游戏脚本-辅助自动化Android控件全解手册再战Android系列Scratch编程案例软考全系列Unity3D学习专栏蓝桥系列AIGC(GPT、DeepSeek、豆包、千问、Kimi)👉关于作者 专注于Android/Unity和各种游戏开发技巧,以及各种资…...

A股level2高频数据分析20250205

A股level2高频数据分析20250205 通过Level2的逐笔成交与委托记录&#xff0c;这种高精度的毫秒级数据能够洞察诸多重要信息&#xff0c;包括庄家目的、误导性行为&#xff0c;使所有交易操作透明化。这对于分析高手的交易策略极为有益&#xff0c;对机器学习的研究也极具价值&…...

【Pytorch实战教程】PyTorch中的Dataset用法详解

PyTorch中的Dataset用法详解 在深度学习中,数据是模型训练的基石。PyTorch作为一个强大的深度学习框架,提供了丰富的工具来处理和加载数据。其中,Dataset类是PyTorch中用于处理数据的重要工具之一。本文将详细介绍Dataset的用法,帮助你更好地理解和使用它。 1. 什么是Dat…...

UIAbility 生命周期方法

生命周期流程图 UIAbility的生命周期官方文档地址https://developer.huawei.com/consumer/cn/doc/harmonyos-guides-V13/uiability-lifecycle-V13 1. onCreate(want: Want, launchParam: LaunchParam) 触发时机&#xff1a;Ability首次创建时 作用&#xff1a;初始化核心资源…...

UML学习

定义&#xff1a;UML是一种用于软件系统分析和设计的标准化建模语言。 作用&#xff1a;用于描述系统的结构、行为、交互等。共定义了10种,并分为4类 ①用例图 user case diagram : 从外部用户的角度描述系统的功能,并指出功能的执行者. 静态图(②类图 class diagram ③,对象…...

DeepSeek-R1 32B Windows+docker本地部署

最近国产大模型DeepSeek兴起&#xff0c;本地部署了一套deepseek同时集成Open WebUI界面,给大家出一期教程。 软件&#xff1a;Ollama、docker、Open WebUI 一、用Ollama下载模型 首先我们需要安装Ollama&#xff0c;它可以在本地运行和管理大模型。 到Ollama官网 https://ol…...

界址点成果表批量生成(新增.docx格式)-附工具下载链接

界址点编号工具20250208更新&#xff08;成果表新增.docx格式&#xff09;。 【工具简介】工具可根据面图层&#xff0c;西北角顺时针批量生成界址点&#xff0c;可以设置角度、距离参数&#xff0c;来减少生成界址点的数量&#xff08;不用全部节点生成界址点&#xff09;。生…...

计算机组成原理(3)

计算机组成原理&#xff08;3&#xff09; 存储器层次结构存储器概述存储器分类存储器性能指标 半导体随机存储SRAM和DRAM 存储器层次结构 主存-辅存&#xff1a;实现了虚拟存储系统&#xff0c;解决了主存容量不足的问题&#xff1b; Cache-主存&#xff1a;解决了主存于CPU速…...

【新书速荐】《Information-Theoretic Radar Signal Processing(信息论雷达信号处理)》

引言 最近&#xff0c;由Yujie Gu 博士和 Yimin D. Zhang 教授主编的新书 Information-Theoretic Radar Signal Processing由 Wiley-IEEE Press 正式出版。 这是信息论雷达信号处理领域的首部专著&#xff0c;全书共分 14 章&#xff0c;汇集了来自学术界、工业界和政府机构的…...

ES冷热数据分离配置

冷热数据是根据索引创建时间来进行迁移的。一旦迁移到冷数据节点&#xff0c;则无法再恢复成热数据&#xff0c;因为热数据节点中该索引已经没有分片存在了。 基于Docker搭建ES集群,并设置冷热数据节点 配置冷热数据迁移策略 PUT https://192.168.x.xx:19200/_ilm/policy/my…...

Docker 构建镜像并搭建私人镜像仓库教程

构建镜像教程 步骤 1&#xff1a;安装 Docker #在安装 Docker 之前&#xff0c;建议先更新系统软件包。 sudo yum update -y # 移除旧的Docker版本和Podman、runc软件包及其相关依赖。 yum remove -y docker docker-client docker-client-latest docker-ce-cli docker-commo…...

蓝牙耳机降噪进化:从物理阻隔到声波抵消的跨越

目录 一、降噪技术的核心分类&#xff08;一&#xff09;被动降噪&#xff1a;物理屏障的“静音盾”&#xff08;二&#xff09;主动降噪&#xff1a;声波抵消的“黑科技”&#xff08;三&#xff09;混合降噪&#xff1a;双重技术的“强强联合” 二、细分技术及应用场景&#…...

23.PPT:校摄影社团-摄影比赛作品【5】

目录 NO12345​ NO6 NO7/8/9/10​ 单元格背景填充表格背景填充文本框背景填充幻灯片背景格式设置添加考生文件夹下的版式 NO12345 插入幻灯片和放入图片☞快速&#xff1a;插入→相册→新建相册→文件→图片版式→相框形状→调整边框宽度左下角背景图片&#xff1a;视图→…...

systemverilog的program和module的区别

1. 设计目的 module 硬件建模&#xff1a;用于描述数字电路的结构和行为&#xff08;如组合逻辑、时序逻辑、连线等&#xff09;。 层次化设计&#xff1a;支持模块化设计&#xff0c;可嵌套其他模块或接口&#xff08;interface&#xff09;。 仿真周期内持续存在&#xff1…...

AI大模型零基础学习(2):提示词工程进阶——让AI听懂你的“弦外之音“

从“基础对话”到“精准操控”的思维跃迁 一、为什么你的提问总被AI“误解”&#xff1f; 1.1 大模型的“思维盲区” 知识边界&#xff1a;ChatGPT等模型的训练数据截止于特定时间&#xff08;如2023年1月&#xff09;&#xff0c;无法主动获取最新资讯 文化差异&#xff1a;…...

如今物联网的快速发展对hmi的更新有哪些积极影响

一、功能更加丰富 物联网的快速发展使得 HMI&#xff08;人机界面&#xff09;能够连接更多的设备和系统&#xff0c;从而实现更加丰富的功能。例如&#xff0c;通过与传感器网络的连接&#xff0c;HMI 可以实时显示设备的运行状态、环境参数等信息&#xff0c;为用户提供更加…...

基于yolov11的阿尔兹海默症严重程度检测系统python源码+onnx模型+评估指标曲线+精美GUI界面

【算法介绍】 基于YOLOv11的阿尔兹海默症严重程度检测系统是一种创新的医疗辅助工具&#xff0c;旨在通过先进的计算机视觉技术提高阿尔兹海默症的早期诊断和病情监测效率。阿尔兹海默症是一种渐进性的神经退行性疾病&#xff0c;通常表现为认知障碍、记忆丧失和语言障碍等症状…...

redis之GEO 模块

文章目录 背景GeoHash 算法redis中的GeoHash 算法基本使用增加距离获取元素位置获取元素的 hash 值附近的元素 注意事项原理 背景 如果我们有需求需要存储地理坐标&#xff0c;为了满足高性能的矩形区域算法&#xff0c;数据表需要在经纬度坐标加上双向复合索引 (x, y)&#x…...

Java/Kotlin双语革命性ORM框架Jimmer(一)——介绍与简单使用

概览 Jimmer是一个Java/Kotlin双语框架 包含一个革命性的ORM 以此ORM为基础打造了一套综合性方案解决方案&#xff0c;包括 DTO语言 更全面更强大的缓存机制&#xff0c;以及高度自动化的缓存一致性 更强大客户端文档和代码生成能力&#xff0c;包括Jimmer独创的远程异常 …...

如何修改DNS解析?

DNS(域名系统)就像互联网的“电话簿”&#xff0c;负责将我们输入的网址转换为计算机能够理解的IP地址。如果DNS解析出现问题&#xff0c;访问网站就会受到影响。那我们该如何修改DNS解析呢?接下来&#xff0c;我们就来介绍一下这个话题。 为什么要修改DNS解析? 使用默认的…...

使用 POI-TL 和 JFreeChart 动态生成 Word 报告

文章目录 前言一、需求背景二、方案分析三、 POI-TL JFreeChart 实现3.1 Maven 依赖3.3 word模板设置3.2 实现代码 踩坑 前言 在开发过程中&#xff0c;我们经常需要生成包含动态数据和图表的 Word 报告。本文将介绍如何结合 POI-TL 和 JFreeChart&#xff0c;实现动态生成 W…...

Python的那些事第十五篇:数据分析中的“三剑客”NumPy、Pandas与Matplotlib

数据分析中的“三剑客”&#xff1a;NumPy、Pandas与Matplotlib 在数据分析的世界里&#xff0c;有三位“大侠”常常携手并肩&#xff0c;共同应对各种复杂的数据挑战。它们就是NumPy、Pandas和Matplotlib。这三位“大侠”各怀绝技&#xff0c;相互配合&#xff0c;让数据分析…...

25/2/7 <机器人基础> 牛顿-欧拉递推公式,开闭环

牛顿-欧拉递推公式是用于计算刚体动力学中&#xff0c;刚体的角速度和角加速度的递推关系。这个公式是牛顿第二定律和欧拉旋转定理的结合&#xff0c;适用于描述刚体在空间中的旋转运动。 对于一个刚体&#xff0c;设其在某时刻的角速度为 ω&#xff0c;角加速度为 α&#xf…...

vue3父子组件传值方式

父子组件传值方式 在 Vue 3 中&#xff0c;父子组件之间传值主要有以下几种常见方式&#xff0c;下面将详细介绍并给出演示代码。 1. 父组件向子组件传值&#xff1a;使用 props 原理 props 是 Vue 中用于在父组件向子组件传递数据的机制。父组件通过在子组件标签上绑定属性…...

树和二叉树_6

树和二叉树_6 一、leetcode-105二、题解1.引库2.代码 一、leetcode-105 从前序与中序遍历序列构造二叉树 给定两个整数数组 preorder 和 inorder &#xff0c;其中 preorder 是二叉树的先序遍历&#xff0c; inorder 是同一棵树的中序遍历&#xff0c;请构造二叉树并返回其根节…...

使用wpa_supplicant和wpa_cli 扫描wifi热点及配网

一&#xff1a;简要说明 交叉编译wpa_supplicant工具后会有wpa_supplicant和wpa_cli两个程序生产&#xff0c;如果知道需要连接的wifi热点及密码的话不需要遍历及查询所有wifi热点的名字及信号强度等信息的话&#xff0c;使用wpa_supplicant即可&#xff0c;否则还需要使用wpa_…...

个人职业发展——效率为王:AI赋能前端开发

在竞争激烈的IT行业&#xff0c;个人职业发展至关重要。而提升工作效率&#xff0c;无疑是加速职业发展的关键引擎。对于前端开发者而言&#xff0c;面对日益复杂的项目需求、不断变化的技术栈以及大量重复性的工作&#xff0c;如何提升效率&#xff0c;成为一个亟待解决的难题…...

【Android】Android开发应用如何开启任务栏消息通知

Android开发应用如何开启任务栏消息通知 1. 获取通知权限2.编写通知工具类3. 进行任务栏消息通知 1. 获取通知权限 在 AndroidManifest.xml 里加上权限配置&#xff0c;如下。 <?xml version"1.0" encoding"utf-8"?> <manifest xmlns:android…...

c语言:取绝对值

假设我们有一个 long 类型的变量 l&#xff0c;我们希望恢复其绝对值。以下是两种方法的对比&#xff1a; 方法1&#xff1a;使用条件语句 这个很好理解&#xff0c;负数时取负运算 &#xff0c;用于数值的符号反转。 long abs_value(long l) {if (l < 0) {return -l;} e…...

HTML应用指南:利用GET请求获取全国盒马门店位置信息

随着新零售业态的发展&#xff0c;门店位置信息的获取变得至关重要。作为新零售领域的先锋&#xff0c;盒马鲜生不仅在商业模式创新上持续领先&#xff0c;还积极构建广泛的门店网络&#xff0c;以支持其不断增长的用户群体。本篇文章&#xff0c;我们将继续探究GET请求的实际应…...

MongoDB 深度教程:当 NoSQL 遇上幽默

MongoDB 深度教程&#xff1a;当 NoSQL 遇上幽默 欢迎来到这个 MongoDB 的奇妙冒险&#xff01;如果你已经了解了 MongoDB 的基础知识&#xff0c;比如 CRUD 操作、数据库和集合的概念&#xff0c;但总觉得自己只是停留在门口徘徊&#xff0c;那么今天这篇教程就是为你量身定做…...

windows安装linux子系统【ubuntu】操作步骤

1.在windows系统中开启【适用于Linux的Windows子系统】 控制面板—程序—程序和功能—启用或关闭Windows功能—勾选适用于Linux的Windows子系统–确定 2.下载安装Linux Ubuntu 22.04.5 LTS系统 Ununtu下载链接 3.安装完Ununtu系统后更新系统 sudo apt update4.进入/usr/l…...

通过k8s请求selfsubjectrulesreviews查询权限

当前是通过kubelet进行查询 curl --cacert /etc/kubernetes/pki/ca.crt \ --cert /var/lib/kubelet/pki/kubelet-client-current.pem \ --key /var/lib/kubelet/pki/kubelet-client-current.pem \ -d - \ -H "Content-Type: application/json" \ -H Accept: applicat…...

如何参与开源项目

目的 就是说一下如何参与开源的项目&#xff0c;通过参与QXlsx来说明开源项目是如何参与的&#xff0c;其它的github上的开源项目&#xff0c;也是这样的流程。 关于GitHub: GitHub是一个面向开源及私有软件项目的托管平台&#xff0c;因为只支持Git作为唯一的版本库格式进行…...

Java 大视界 -- Java 大数据在智能金融监管中的应用与实践(77)

&#x1f496;亲爱的朋友们&#xff0c;热烈欢迎来到 青云交的博客&#xff01;能与诸位在此相逢&#xff0c;我倍感荣幸。在这飞速更迭的时代&#xff0c;我们都渴望一方心灵净土&#xff0c;而 我的博客 正是这样温暖的所在。这里为你呈上趣味与实用兼具的知识&#xff0c;也…...

使用deepseek快速创作ppt

目录 1.在DeekSeek生成PPT脚本2.打开Kimi3.最终效果 DeepSeek作为目前最强大模型&#xff0c;其推理能力炸裂&#xff0c;但是DeepSeek官方没有提供生成PPT功能&#xff0c;如果让DeepSeek做PPT呢&#xff1f; 有个途径&#xff1a;在DeepSeek让其深度思考做出PPT脚本&#xf…...

如何在Python中创建和访问列表

在Python中&#xff0c;列表&#xff08;list&#xff09;是一种用于存储一系列有序项目的数据结构。这些项目可以是不同类型的&#xff0c;比如整数、浮点数、字符串&#xff0c;甚至是其他列表&#xff08;形成嵌套列表&#xff09;。以下是如何在Python中创建和访问列表的基…...