VR 三维切片渲染漫游 发表于 2026-08-04 分类于 cak 本页面含有人体图像等可能引起不适的内容\text{本页面含有人体图像等可能引起不适的内容} 本页面含有人体图像等可能引起不适的内容 项目概述 本项目是基于 Unity 的 DICOM/PNG 切片体数据加载、缓存、三维体渲染、正交三视图浏览与 XR 浏览插件。项目既可作为独立示例场景运行，也可集成到现有 Unity 工程中。 项目依赖 NuGet For Unity、Odin Serializer、FellowOakDicom 等 package，依赖 .NET Framework 脚本运行时，使用 Odin Serializer 缓存元数据和序列化二进制数据，FellowOakDicom 读取 DICOM 文件与标签。系统兼容 OpenXR Plugin 1.10 以适配 VR 设备，并提供基于 XR Interaction Toolkit 的可选适配工具。目标部署平台为 Windows PC，可通过 SteamVR/ALVR 等路径串流至 Apple Vision Pro 查看渲染结果。 数据可靠支持能力为 ≤ 1024 × 512 × 300 的切片体数据，最大支持能力为 ≤ 2048 × 1024 × 500 的切片体数据。对于超大体数据，插件采用按 Z 轴分段的 Texture3D 组织方式，避免单个 Texture3D 或单个托管数组超过 GPU 与 .NET 运行时限制。 阅读全文 »
作品集 发表于 2026-08-04 分类于 cak Unity AI 模型格斗游戏《LEBOT》 《LEBOT》是一款利用 AI 实时生成模型，来让玩家的形象出现在游戏中并且能被操控的动作游戏。 VR 三维切片渲染漫游 基于 Unity 的切片重建、三维体渲染、正交三视图与 XR 浏览插件。 新华社采访视频 负责了视频中的游戏《我在大秦当谏官》的程序工作。 《名字太长的神啊，请原谅我！》Demo 流程展示 《碎梦》第一章流程展示 UE UE5 下的 TUIO 简单框架 TUI，即有形交互界面，通过可触摸的 (tangible) 元件进行人机交互。TUIO 是一套用于多点触控屏幕的通用通信协议，本工程在该协议的支持下，实现了多点触屏令牌对场景的基本操控。 HTML 复合节奏示范 有声 训练对复合节奏型的乐感（类比《节奏医生》的举重小游戏）。 DTMF 拨号键盘 有声 模拟固话键盘的双音多频拨号音，在某些环境可以直接用于电话拨号。 李萨如图形模拟器 Vibe Coding 有声 可视化探索纯律与十二平均律在音程上的差别。 猜汉字 Vibe Coding 谜底是一个一级字，每次猜一个汉字，显示该字与谜底在楷体渲染下的重叠部分。 WebGL 扫雷 用 Unity 还原了简单的扫雷，可以调地图尺寸和雷数。 流程图画板 可以用来画文字冒险游戏之类的流程图，本意是记录游戏存档的层级。 亲戚称谓查询 在建好拓扑之后，可以一键查询图中任意节点到其他所有节点的亲戚称谓。查询的脚本库接的是 mumuy/relationship。 橡皮泥流水线 其他作品 OpenGL 三阶魔方模拟器 计算机图形学作业演示。 国际音标翻牌配对 训练国际音标听辨能力的 Python 程序。 用 Processing 画个百变创意时钟 Processing 练习效果展示。 Minim 音乐可视化 Processing 练习效果展示。 糊着玩的世界观 人造语言 - flaku 《光神与暗神的万古仇》 《阿夏王传说》 更多内容敬请探索网页的其他板块。
AI 模型格斗游戏《LEBOT》 发表于 2026-08-03 分类于 cak 《LEBOT》是一款利用 AI 实时生成模型，来让玩家的形象出现在游戏中并且能被操控的动作游戏。游戏策划案是由费月桐同学提出的，我在项目中的职责是程序，同时参与策划案的讨论。 这个作品经历过一次翻新重做，我们把它们称作 1.0 和 2.0 版。这两版最主要的区别就是从一个横板格斗游戏改成了第三人称视角格斗游戏。 阅读全文 »
线性回归最小二乘法闭式解 发表于 2026-06-05 分类于 luon w^∗=arg minw^(y−Xw^)T(y−Xw^).(1)\hat{\bm{w}}^* = \argmin_{\hat{\bm{w}}}(\bm{y} - \mathbf{X}\hat{\bm{w}})^\mathrm{T} (\bm{y} - \mathbf{X}\hat{\bm{w}}). \tag{1} w^∗=w^argmin(y−Xw^)T(y−Xw^).(1) 记 J(w^):=(y−Xw^)T(y−Xw^),(2)J(\hat{\bm{w}}) := (\bm{y} - \mathbf{X}\hat{\bm{w}})^\mathrm{T} (\bm{y} - \mathbf{X}\hat{\bm{w}}), \tag{2} J(w^):=(y−Xw^)T(y−Xw^),(2) 展开得到 J(w^)=yTy−2w^TXTy+w^TXTXw^.(3)J(\hat{\bm{w}}) = \bm{y}^\mathrm{T}\bm{y} - 2\hat{\bm{w}}^\mathrm{T}\mathbf{X}^\mathrm{T}\bm{y} + \hat{\bm{w}}^\mathrm{T}\mathbf{X}^\mathrm{T}\mathbf{X}\hat{\bm{w}}. \tag{3} J(w^)=yTy−2w^TXTy+w^TXTXw^.(3) 对 w^\hat{\bm{w}}w^ 求导： ∂J(w^)∂w^=−2XTy+2XTXw^,(4)\frac{\partial J(\hat{\bm{w}})}{\partial \hat{\bm{w}}} = -2\mathbf{X}^\mathrm{T}\bm{y} + 2\mathbf{X}^\mathrm{T}\mathbf{X}\hat{\bm{w}}, \tag{4} ∂w^∂J(w^)=−2XTy+2XTXw^,(4) 令梯度为 0，得 XTXw^=XTy.(5)\mathbf{X}^\mathrm{T}\mathbf{X}\hat{\bm{w}} = \mathbf{X}^\mathrm{T}\bm{y}. \tag{5} XTXw^=XTy.(5) 当 XTX\mathbf{X}^\mathrm{T}\mathbf{X}XTX 可逆，即 XTX\mathbf{X}^\mathrm{T}\mathbf{X}XTX 是满秩矩阵或正定矩阵时， w^∗=(XTX)−1XTy.(6)\boxed{ \hat{\bm{w}}^* = (\mathbf{X}^\mathrm{T}\mathbf{X})^{-1}\mathbf{X}^\mathrm{T}\bm{y}. } \tag{6} w^∗=(XTX)−1XTy.(6)
《机器学习》摘抄兼笔记 发表于 2026-05-29 分类于 trek 死去的排列组合、数理统计、线性代数回忆正在攻击我． 绪论 “奥卡姆剃刀” (Occam’s razor) 是一种常用的、自然科学研究中最基本的原则，即“若有多个假设与观察一致，则选最简单的那个”．……然而，奥卡姆剃刀并非唯一可行的原则． 对于一个学习算法 La\mathfrak{L}_aLa，若它在某些问题上比学习算法 Lb\mathfrak{L}_bLb 好，则必然存在另一些问题，在那里 Lb\mathfrak{L}_bLb 比 La\mathfrak{L}_aLa 好． “没有免费的午餐”定理，简称 NFL 定理。 如果不假设训练数据和测试数据之间有某种共同规律，那么学习是不可能的。 机器学习的关键不是找到“万能模型”，而是找到适合当前问题结构的模型、假设和归纳偏置。 阅读全文 »
