Haze项目中的位置同步问题分析与解决方案
背景介绍
Haze是一个用于实现模糊效果的Compose库,在实际使用过程中,开发者发现当父组件或子组件发生全局位置变化时,onPlaced回调有时不会被触发,导致模糊区域的位置与实际位置不同步。
问题本质
在Compose的布局系统中,组件的位置变化主要通过onPlaced回调来通知。然而在某些情况下,特别是当位置变化发生在初始布局之后时,onPlaced可能不会被调用,导致Haze无法及时更新模糊区域的位置信息。
技术分析
Compose提供了两种获取组件位置信息的方式:
-
onPlaced回调:在布局过程中同步触发,能够立即反映位置变化,但有时会错过后续的位置更新。
-
GlobalPositionAwareModifierNode:作为全局位置变化的监听器,能够捕获所有位置变化,但其回调发生在组合之后,意味着位置更新会有1帧的延迟。
解决方案
经过讨论,项目采用了双重保障机制:
-
保留原有的
onPlaced回调作为主要位置更新方式,确保大多数情况下能够即时响应位置变化。 -
增加
GlobalPositionAwareModifierNode作为后备方案,当onPlaced未能捕获位置变化时,通过全局监听器来更新位置。
这种混合方案既保证了大多数情况下的即时响应,又解决了边缘情况下的位置同步问题。
实现细节
在具体实现中,开发者为HazeChildNode和HazeAndroidNode都添加了全局位置监听功能。当检测到位置变化时,会更新模糊区域的位置和大小信息。日志显示,这种机制确实能够捕获到onPlaced遗漏的位置变化。
性能考量
虽然增加了全局监听器,但由于其仅在onPlaced失效时才会实际触发位置更新,对性能的影响可以忽略不计。同时,开发者明确指出这种方案不会影响图形层相关的布局问题。
结论
通过引入双重位置更新机制,Haze项目有效解决了模糊效果位置不同步的问题,提升了用户体验。这一改进已被合并到主分支,并计划在近期版本中发布。
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- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
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
Baichuan-M3-235BBaichuan-M3 是百川智能推出的新一代医疗增强型大型语言模型,是继 Baichuan-M2 之后的又一重要里程碑。Python00
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