ScottPlot 5.0.54版本发布:多图布局与图形渲染全面升级
ScottPlot是一个功能强大的.NET绘图库,它提供了简单易用的API来创建高质量的2D图表。该库支持多种平台,包括Windows Forms、WPF、Avalonia等,广泛应用于数据可视化、科学计算和工程分析领域。最新发布的5.0.54版本带来了多项重要改进,特别是在多图布局、图形渲染和轴管理方面有了显著提升。
多图布局系统重大改进
本次更新对Multiplot功能进行了全面重构,提供了更灵活的布局定制API。开发者现在可以通过Multiplot.SharedAxes.ShareY()方法替代原先的Multiplot.ShareY()来实现Y轴共享,这一改变使得轴管理更加清晰和模块化。
新版本引入了IMultiplot.LastRender属性,将状态管理和基于先前渲染的像素查找逻辑集中管理,大大简化了复杂布局的实现。此外,通过新增的Subplots属性,开发者可以更方便地管理子图集合,而Count()方法则取代了原来的Count属性,提供了更一致的API体验。
轴管理增强
轴管理方面新增了IAxis.Collapse()辅助方法,可以禁用刻度生成并将指定轴的大小设置为零,这在创建紧凑型多图布局时特别有用。配合新增的CollapseVertically()方法,开发者可以轻松消除垂直堆叠图之间的空白空间。
对于需要固定尺寸的场景,新增的LockSize()方法可以快速将MinimumSize和MaximumSize设置为相同值,简化了轴尺寸固定的操作流程。
交互式多图布局
特别值得一提的是新增的DraggableRows()布局功能,它简化了用户可调整大小的多图实现。这一功能允许用户通过拖动来调整子图之间的相对大小,极大地提升了交互体验。这一改进源于社区贡献者的需求,展示了ScottPlot对用户反馈的积极响应。
图形渲染优化
WinForms平台的图形渲染得到了显著改进。ScottPlot.Image.GetBitmap()方法的内存管理和释放机制更加完善,减少了内存泄漏的风险。新增的Scaled()和Resized()方法为开发者提供了在内存中调整图像大小的便捷工具。
透明支持方面也有提升,特别是在带有背景图像的窗体上放置绘图时,透明效果更加稳定和可靠。OpenGL控件的内存管理得到优化,特别是在处理散点图时性能更佳,减少了内存占用并提高了渲染效率。
新增图形元素
本次更新丰富了图形元素的种类,新增了多种形状支持,包括圆弧、圆扇形、环形扇形等。这些新形状的加入大大扩展了ScottPlot的表现能力,使开发者能够创建更加丰富多样的数据可视化效果。
渲染性能提升
渲染引擎的改进包括更精确的轴限制变化检测和更合理的图例项方向处理。这些看似微小的改进实际上对用户体验有着显著影响,特别是在动态更新图表或处理复杂布局时,能够提供更流畅的交互体验。
总的来说,ScottPlot 5.0.54版本在多图布局、轴管理和图形渲染方面都带来了重要改进,既增强了功能又提升了性能。这些变化使得ScottPlot在数据可视化领域的竞争力进一步提升,为开发者提供了更强大、更灵活的工具来创建高质量的图表应用。
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