napari 0.6.1版本发布:图像可视化工具的重大更新
napari是一个基于Python的快速、交互式多维图像查看器,专为探索、注释和分析多维图像而设计。它构建在Qt(用于GUI)、VisPy(用于高性能GPU渲染)以及科学Python技术栈(NumPy、SciPy等)之上,为科研人员和开发者提供了强大的图像处理能力。
HiLo色彩映射表惊艳登场
本次0.6.1版本最引人注目的新特性是引入了HiLo色彩映射表(Colormap)。这个备受喜爱的色彩映射表类似于灰度图,但它会将达到或超过最大对比度限制的值显示为红色,而低于最小对比度限制的值显示为蓝色。在科学成像领域,HiLo色彩映射表常用于评估图像中的过曝光(饱和)和欠曝光(暗区)区域。
这一功能的实现得益于VisPy 0.15.0依赖项的升级,这不仅带来了HiLo色彩映射表,也为未来的napari版本解锁了更多令人期待的新特性。
维度控件功能增强
在0.6.0版本中,用户可能会遇到维度弹出控件(通过右键点击第三个查看器按钮访问)工作不如预期的情况。在本次更新中,我们修复了这个问题,现在维度控件可以如预期般正常工作。更令人兴奋的是,该控件现在也支持3D视图了!
这个维度控件不仅可以帮助用户调整视图维度,还允许用户重命名数据轴的标签,为数据探索提供了更大的灵活性。
技术细节与改进
新特性
-
空间数据继承:现在,返回图层数据的功能性插件可以继承空间数据,这为插件开发者提供了更大的灵活性。
-
乘法混合模式:新增了乘法混合(multiplicative blending)功能,为用户提供了更多的图像混合选项。
功能改进
-
单位复制:现在可以在图层之间复制单位信息,提高了数据处理的连贯性。
-
返回值验证:加强了对LayerDataTuple返回值的验证,提高了系统的稳定性。
错误修复
-
异步切片刷新:修复了异步切片时范围刷新的问题。
-
数据类型确定:改进了对Labels视图数据类型的确定方式。
-
形状绘制:修复了在使用套索工具绘制微小多边形时可能导致形状损坏的问题。
-
键盘事件处理:现在可以正确标记已处理的键盘事件。
开发者工具更新
本次更新还包括了一系列开发者工具的改进:
- 移除了过时的QSS样式元素
- 更新了多个关键依赖项,包括hypothesis、ipython、numpy、pillow和pydantic
- 改进了内置读取扩展的功能
- 在信息对话框中添加了有关启动命令和已安装插件的信息
- 当选定插件读取文件失败时,现在会显示原始错误信息
总结
napari 0.6.1版本虽然在版本号上是一个小更新,但带来了多项重要的功能改进和错误修复。特别是HiLo色彩映射表的引入和维度控件的增强,将显著提升用户在处理科学图像时的体验。对于开发者而言,新的API改进和错误修复也使得插件开发更加顺畅。
随着VisPy 0.15.0的集成,我们可以期待napari在未来版本中会带来更多令人兴奋的图像处理功能。无论是科研人员还是开发者,napari都将继续作为多维图像处理领域的强大工具而不断发展。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
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
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-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
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00