项目名称drei中Billboard组件在Three.js 0.166版本下的位置异常问题分析
在Three.js生态系统中,drei是一个非常流行的React组件库,它提供了许多实用的高阶组件来简化3D开发。最近,在Three.js升级到0.166版本后,drei中的Billboard组件出现了一个值得关注的问题。
Billboard组件是drei中一个非常有用的功能,它可以让3D对象始终面向相机,类似于广告牌的效果。这个特性在创建标签、UI元素或任何需要始终面向观察者的对象时非常实用。
在Three.js 0.166版本中,开发团队引入了一个重要的底层变更:Object3D类现在会尊重matrixWorldAutoUpdate属性在矩阵更新方法中的设置。这个看似微小的改动实际上对依赖矩阵更新的组件产生了深远影响。
具体到Billboard组件的问题表现是:当升级到Three.js 0.166版本后,所有使用Billboard的3D对象都会重叠在一起,完全忽略了它们的位置(position)属性设置。这个问题在drei的9.108.4版本中可以稳定复现。
从技术角度来看,这个问题源于Billboard组件内部对对象矩阵更新的处理方式与Three.js 0.166版本的新行为产生了冲突。在旧版本中,矩阵更新可能被隐式处理,而在新版本中,由于matrixWorldAutoUpdate被显式尊重,导致Billboard的位置计算出现了偏差。
drei团队在发现问题后迅速响应,在9.109.5版本中修复了这个兼容性问题。修复方案主要是调整了Billboard组件内部的矩阵更新逻辑,使其与Three.js 0.166版本的新行为保持一致。
对于开发者来说,这个案例提供了几个有价值的经验:
- 当升级Three.js主版本时,需要特别注意依赖矩阵操作的组件
- Billboard这类面向相机的组件对底层矩阵更新机制非常敏感
- 三方库与核心库的版本兼容性需要特别关注
目前,这个问题已经在drei的最新版本中得到解决,开发者只需升级到9.109.5或更高版本即可恢复正常使用Billboard组件。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
GLM-4.7-FlashGLM-4.7-Flash 是一款 30B-A3B MoE 模型。作为 30B 级别中的佼佼者,GLM-4.7-Flash 为追求性能与效率平衡的轻量化部署提供了全新选择。Jinja00
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin07
compass-metrics-modelMetrics model project for the OSS CompassPython00