开发一款能够同时播放多个视频的vision pro媒体查看器。 0:00 /0:40 1× 缘起 Vision Pro 发布时我就特别想买，毕业工作后终于有资金购入并加入Apple开发者计划，从今年五月到现在也用了快小半年，用起来确实挺爽。 但是有些痛点还是很难受，其中一个痛点就是无法同时播放多个视频音频(实际上VisionOS提供了同时播放音频的API，但是似乎我用的APP都是不遵守🤣 导致都在抢占），因此为了满足我自己的这个痛点，也学习一下Vision OS 的应用开发，甚至完成度足够的话考虑上架App Store，便有了这个目标是多视频同时播放的媒体查看器项目。 现有工作 我购买了4XVR、Infuse、Moon Player、ES 文件助手（这款只有iPad OS版，不是专供Vision OS的），这几个月体验下来，全都存在我提到的和其他APP抢占音频通道，无法同时播放的问题，其他的我的主观的体验如下： 4XVR：使用最多，用起来最舒服，格式支持很全，VR视频也能看，号称全v
查看科技树，设置目标，自动科研。科技树增强不仅能查看跨学科前置，还能追踪最多五个目标，让自动科研优先选已抽到的相关科技，等级不足时补齐门槛。Stellaris 4.5.2 独立 Mod，不需要额外程序或 UI Overhaul Dynamic；目标科研仍在测试，不改变原版抽卡规则。
赛博朋克 2027-超梦体验
This is the site verification page for yufeiran.com. My creator page on Afdian is: https://afdian.com/a/yufeiran Afdian ID: yufeiran This page is used to verify that yufeiran.com and the Afdian account yufeiran belong to the same creator, and it is intended for Afdian creator verification.
这里是 yufeiran.com 的站点认证页面。 我在爱发电的创作者主页为： https://afdian.com/a/yufeiran 爱发电 ID：yufeiran 此页面用于证明 yufeiran.com 与爱发电账号 yufeiran 属于同一创作者，并用于提交爱发电创作者认证。
介绍 为了满足我自身的需求，搭建了一套相对高速(内网2.5G)、功能齐全(NAS、远程访问)的网络环境。 这篇记录我自己的网络配置，以及未来的建设展望。 Version 26/03/15 init version 26/06/28 Update 更换宽带、适配VR设备专用路由 总览 拓扑图如下,入户500M移动宽带，光猫桥接，连入RT-BE88U路由器，使用两个2.5G交换机(一个卧室一个客厅)连接所有设备。布局见 居住空间改造-物理空间 细节 网络布局 局域网IP分配方式为 192.168.50.1 ~ 192.168.50.99 为静态ip, 192.168.
Introduction To satisfy my own needs, I built a relatively high-speed and full-featured home network environment: 2.5G intranet, NAS, and remote access. This post records my network configuration and future plans. Version 26/03/15 initial version 26/06/28 update: changed broadband service and adapted the
对我住的地方进行改造，来符合我的需求（写代码、diy、煮东西、节奏光剑、睡觉） 问题 现在住的房子较小，需要提高利用率才能满足我的需求。 现在住的是一个一室一厅一厨一卫的隔断弄出来的房子，按房东的计算有35平米，但我实际使用的卧室估计就12平米，那个厅估计就8平米。我的改造也围绕一室一厅来改。（下图是我的居住空间改造前的示意图） 优化方案 v2.0 2026/03/22 Update 问题 经过上一次的改造，可以满足我玩VR的需求，但是我发现： 1. 卧室拥有一个1.9m x 0.7m的飘窗我仅仅用来晾衣服； 2. 随着学会制作的食物增多，也添置了不少厨具，life桌放不下了。因此，需要再提高利用率。 方案 暂定方案为： 1. 把飘窗铺上垫子，可以用来躺着晒太阳或者冥想 2. 把客厅一块闲置区域放上桌子，用来放厨具以及煮锅 改动如下图所示 考虑飘窗加上电动窗帘 效果
I am renovating the place where I live so it fits my needs: writing code, doing DIY work, cooking, playing Beat Saber, and sleeping. Problem The apartment I live in is small, so I need to improve space utilization before it can satisfy all of my needs. It is a
我有树莓派 我有3D打印机 我有quest3 我很简单的想能不能弄个玩意把它们结合在一起，所以就有了这个项目。 Power by Gemini 3 技术路线： 1. 树莓派串流双路视频流 2. 云台 3. 底盘 4. quest遥控 LOG: 25/12/10: 刷入树莓派OS，接入摄像头 25/12/11 完成双路推流，延迟基本没有，不过暂时是使用网线连接 Your browser does not support the video tag. 云台 25/12/20 初步的草图 计划采用去驱动板
I have a Raspberry Pi. I have a 3D printer. I have a Quest 3. I had a simple thought: can I make something that combines all of them? That is how this project started. Powered by Gemini 3. Technical route: 1. Stream two video feeds from the Raspberry Pi.
目的 想要完全控制我屋子中的绝大多数设备，并且监控PC、服务器的性能和功耗，于是准备自制监控副屏。 Update 26/10/10 发现ESP32 家族推出了P4 + C6这种可以驱动触屏的高性能芯片，立马买了微雪ESP32-P4-Module带十寸屏幕的开发套件，使用GPT6.1 Sol 基于LVGL实现HomeAssistant 面板的软件复刻以及外壳的设计，效果很不错，10寸屏幕整机功耗才4w，还可以使用网线稳定连接。 0:00 /0:53 1× 参考链接 www.waveshare.net/wiki/ESP32-P4-Module-DEV-KIT 微雪P4 开发板文档 www.waveshare.net/wiki/10.1-DSI-TOUCH-A 显示屏文档
Goal I want to fully control most devices in my room and monitor the performance and power consumption of my PC and server, so I am building a DIY monitoring side display. This will be split into two series: 1. A high-performance side display based on Raspberry Pi. 2.
简介 实时渲染中重要的一环是计算间接光照，间接光照有多种实现方式，屏幕空间反射是其中的一种，我将尝试实现屏幕空间反射，把它加进我的渲染器中。 原理 原理就是在视口空间中做简单的raymarch。 对于屏幕上任意一点( p ): 1.根据摄像机方向( L )与当前点( p )的法向( N )，计算反射方向 ( RDir = reflect(L,N) ) 2.从p点出发，沿着反射的方向进行光线步进：( rayPos = p + step * RDir ),其中step为步进的长度 3.对于每次步进，比较( rayPos )和( rayPos.xy )对应屏幕空间的( z )值。 ->如果相差小于一个阈值 ( eps ) 则发生相交，取该点的颜色为( p )点的反射值； -> 否则回到第2步循环。 原理十分简单，
Introduction An important part of real-time rendering is computing indirect lighting. There are many ways to implement indirect lighting, and screen space reflection is one of them. I will try to implement screen space reflection and add it to my renderer. Principle The principle is simple ray marching in
NeRF代表"Neural Radiance Fields"，是一种用于三维场景重建和渲染的计算机图形学技术。它是由Benjamin Mildenhall等人于2020年提出的一篇论文中引入的。NeRF旨在解决传统基于多视角图像的三维重建方法中存在的一些问题，例如视角依赖性和合成新视角时的不真实感。 NeRF与人体重建总结ppt 下面是结合网络上的资料和我自己的理解写了一个ppt： 📁 File: NeRFDigitalHuman Download 📁 File: NeRFDigitalHuman Download Instant Volumetric Head Avatars 论文解析 概述 本篇论文介绍了一种使用Instant-ngp加速的NeRF与人体参数化模型结合的工作。 本文将会尝试介绍它的原理以及运行作者提供的代码。 INSTA parper主页https://zielon.github.io/insta/ code https://github.com/Zielon/INSTA 原理解析 结合网络上的资料和自己的理解，写了一个解析
NeRF stands for Neural Radiance Fields. It is a computer-graphics technique for 3D scene reconstruction and rendering. It was introduced in a 2020 paper by Benjamin Mildenhall and others. NeRF aims to solve some problems in traditional multi-view-image-based 3D reconstruction, such as view dependency and unrealistic
本文会介绍使用Vulkan来实现实时光线追踪的过程。 Vulkan是一个低开销、跨平台的二维、三维图形与计算的API，比起OpenGL更加底层，更加底层意味着可以优化性能表现的地方更多，可以提供较高的性能表现。 光线追踪（英语：ray tracing）是三维计算机图形学中的特殊渲染算法，追踪光线从来源开始照射到物体上，再由物体反射的光线“路径”，由于完整运算所有路径十分消耗运算资源，因此现有光线追踪技术仅运算“目所能及”的光线路径。 实时光线追踪(Real-Time Ray Tracing)原理上与光线追踪没有区别，而是使用了硬件加速、减少采样量、步进长度来减少计算量，最后可以达到实时水平（每秒可以绘制多帧画面）。细节可以参考高质量实时渲染：实时光线追踪 图1是实时光追在 Wolfenstein: Youngblood 中的应用对比。 图1 (左侧没有开启反射 右侧开启光线追踪的反射) 技术路线 1 学习vulkan 过程： 通过学习https://vulkan-tutorial.com/ 和https://vkguide.dev/
This article introduces the process of implementing real-time ray tracing with Vulkan. Vulkan is a low-overhead, cross-platform API for 2D, 3D graphics, and compute. Compared with OpenGL, it is lower level. Being lower level means there are more places where performance can be optimized, and it can
背景 最近在做三维人体重建方向的工作,本文会试着系统的介绍使用神经网络从二维图片/视频中提取出人体参数化模型以及纹理贴图的过程。 [0]SMPL模型学习和使用 背景 最近在做三维人体重建方向的工作，SMPL是基础，所以准备学习它。 什么是SMPL 在人体动作捕捉（motion capture）领域，SMPL 算法最为常见，它是由德国马普所提出的一种参数化的三维人体动捕模型，具有通用性、易于渲染和兼容现有商业软件（比如 UE4 和 Unity）的优点。 原理 它是一个使用几组参数就能生成一个人体模型和姿态模型的框架。 运行 1. 从官网下载SMPL模型 https://smpl.is.tue.mpg.de/download.php 2. 需要注意需要linux或者macos才能运行，我安装了WSL2 的Ubuntu 3. 解决环境依赖，把缺少的库都用apt和pip安装了，参考这个SMPL源码安装：安装成功并实现 4. 注意需要把smpl放入python的path中，放入后我这里需要将
Background Recently I have been working on 3D human reconstruction. This article tries to systematically introduce the process of extracting a parametric human body model and texture maps from 2D images or videos using neural networks. [0] Learning and Using the SMPL Model Background Recently I have been working on
背景 我们实验室做人体重建方向比较多，这个OpenPose是人体姿态估计方面非常厉害的项目，通过学习它，有助于入门人体重建。同时，它也是一个在GitHub现在拥有25k star 代码行数约12w行的开源项目，从软件开发的角度，它的设计架构也很值得学习。所以我将进行调研。 下图是OpenPose的一个运行效果。 可以看到每个人都被绘制上了合理的躯干和关节位置，而且这个算法可以实时运行！效果还是不错的。 0.ppt 结合网络资料和我自己的理解，我整理的OpenPose原理ppt： 📁 File: OpenPose Download OpenPose软件设计的ppt： 📁 File: OpenPose Download 调研计划 调研主要就是看懂论文，跑明白代码,将由以下部分组成： 1. 论文阅读分析 2. 下载和编译源代码 3. 跑通它提供的一些demo 4. 阅读和分析OpenPose的代码架构 1.论文阅读分析 整个OpenPose工作的历程是由几篇工作组成的： 首先是Realtime Multi-Person 2D Po
Background Our lab works a lot on human reconstruction. OpenPose is a very strong project in human pose estimation, and studying it helps with entering the human reconstruction field. It is also an open-source project with about 25k GitHub stars and roughly 120k lines of code. From a software-
背景 最优化方法是一门关于找凸函数的最值点的一系列方法，本文会介绍一些最优化方法的原理以及使用C++的实现。 代码在https://github.com/yufeiran/ConvexOptimization 中 目录 [1] 内点法（interior point method） [2] 2d fused lasso [3] Soft Thresholding [4] Proximal gradient descent [5] ADMM [1] 内点法（interior point method） 主要参考这篇文章【学界/编码】凸优化算法 I: 内点法(interior point method)求解线性规划问题，根据自己的理解进行实现。 主要分为两部分：数学推导和C++实现 数学推导 C+