Cesium for Unreal v2.16.0 版本发布:跨平台支持与功能增强
Cesium for Unreal 是一个将真实世界地理空间数据无缝集成到虚幻引擎中的强大插件,它允许开发者在虚拟环境中创建精确的地球模型和地理空间应用。最新发布的 v2.16.0 版本带来了多项重要更新,包括对多个 Unreal Engine 版本的支持以及实用的新功能。
多版本引擎支持
本次更新最显著的特点是全面支持了 Unreal Engine 的三个主要版本:5.3、5.4 和 5.5。开发者可以根据项目需求选择适合的引擎版本,同时享受 Cesium 插件带来的地理空间能力。这种多版本支持确保了项目的兼容性和灵活性,无论是维护现有项目还是启动新项目都能找到合适的组合。
新增功能亮点
地理编码器蓝图功能
v2.16.0 引入了一个实用的新功能:Cesium -> Geocoder -> Geocode 蓝图函数。这个功能使得开发者可以轻松查询 Cesium ion 地理编码服务,将地址或地名转换为精确的地理坐标。这项功能对于需要实现位置搜索或基于地址定位的应用特别有用,大大简化了开发流程。
元数据属性查询增强
新增的 UCesiumMetadataPickingBlueprintLibrary::FindPropertyTableProperty 方法允许开发者通过名称在给定的 UPrimitiveComponent 上搜索 FCesiumPropertyTableProperty。这个功能增强了元数据处理能力,使得开发者可以更方便地访问和操作3D模型中的元数据信息。
重要问题修复
本次更新解决了几个关键问题,提升了插件的稳定性和用户体验:
- 修复了 v2.15.0 中引入的
GoogleTilesTestSetup链接问题,确保了测试功能的正常运行。 - 优化了"unsupported primitive mode"警告的显示频率,避免了控制台信息过载。
- 改进了请求缓存的位置选择,在非Android和非iOS平台上使用
FPaths::ProjectUserDir替代FPaths::EngineUserDir,解决了开发构建中的权限问题。 - 修复了Windows平台上与KTX-Software覆盖端口相关的构建问题,特别是当系统PATH中没有bash.exe且Git-for-windows安装在非默认目录时的情况。
底层引擎更新
Cesium for Unreal v2.16.0 还包含了 cesium-native 从 v0.46.0 到 v0.47.0 的更新。cesium-native 是 Cesium 的核心库,这次更新带来了底层性能改进和功能增强,为上层应用提供了更强大的支持。
总结
Cesium for Unreal v2.16.0 是一个重要的维护性更新,它不仅扩展了对多个 Unreal Engine 版本的支持,还增加了实用的新功能并修复了多个关键问题。这些改进使得开发者能够更轻松地在虚幻引擎中创建精确的地理空间应用,无论是游戏开发、模拟训练还是地理信息系统应用都能从中受益。
对于正在使用 Cesium for Unreal 的开发者来说,升级到这个版本将获得更好的稳定性和更丰富的功能集。而对于考虑采用这项技术的团队,v2.16.0 的多版本支持提供了更大的灵活性,可以根据项目需求选择合适的 Unreal Engine 版本。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00