Super Splat 2.6.0版本发布:全新选择工具与渲染功能升级
Super Splat项目简介
Super Splat是一款基于WebGL的点云处理工具,专注于3D点云数据的可视化与编辑。该项目由PlayCanvas团队开发维护,提供了丰富的点云处理功能,包括点云渲染、编辑、转换等操作,广泛应用于3D扫描数据处理、点云分析等领域。
2.6.0版本核心更新
1. 新增框选工具
本次更新引入了全新的框选工具(Box Select Tool),这是点云编辑工作流的重要补充。该工具允许用户通过绘制矩形区域快速选择点云中的特定部分,相比传统的点选或套索选择方式,框选在处理大规模点云数据时效率更高。
技术实现上,该工具通过WebGL着色器计算点云与选择框的空间关系,即使在百万级点云场景中也能保持流畅的交互体验。开发者可以基于此选择结果进行后续的删除、移动或属性修改等操作。
2. 渲染图像对话框
新增的渲染图像对话框为点云数据的导出提供了更专业的解决方案。该功能允许用户:
- 设置输出图像的分辨率
- 选择不同的图像格式
- 调整渲染质量参数
- 预览渲染效果
这一改进特别适合需要将点云数据导出为静态图像用于报告或演示的场景。在实现上,系统会先创建一个离屏Canvas进行高质量渲染,再转换为目标格式,确保输出质量。
3. 视频渲染帧率控制
针对点云动画导出需求,本次更新增加了视频渲染时的帧率控制选项。用户现在可以:
- 自定义输出视频的帧率
- 实时预览不同帧率下的动画效果
- 平衡文件大小与动画流畅度
这一功能底层使用了WebCodecs API进行高效编码,在保证质量的同时优化性能。
4. 边界计算优化
在处理异常数据时,系统现在能够智能忽略无限大(infinity)的坐标值,避免错误的边界计算导致渲染问题。这一改进增强了工具对不完整或损坏点云数据的兼容性。
性能与稳定性改进
- 更新了底层渲染引擎,提升了整体性能
- 修复了变换面板(Transform Palette)的相关问题
- 完善了多语言本地化支持
- 更新了项目依赖项,增强了安全性
技术价值与应用场景
Super Splat 2.6.0的这些更新特别适合以下应用场景:
-
历史文物数字化:高精度扫描的点云数据可以通过新的框选工具进行局部编辑,再通过渲染功能生成展示素材。
-
工业检测:工程师可以快速选择感兴趣的区域进行分析,并导出高质量的检测报告图像。
-
学术研究:研究人员能够更高效地处理大规模点云数据集,并通过可控帧率制作演示动画。
-
游戏开发:作为场景制作的前期工具,帮助开发者快速处理3D扫描资源。
总结
Super Splat 2.6.0通过引入框选工具和增强渲染输出功能,显著提升了点云处理的工作效率。这些改进不仅优化了用户体验,也扩展了工具在专业领域的应用可能性。对于从事3D数据处理工作的专业人士来说,这次更新提供了更加强大且易用的工具集。
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-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
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