MixedReality-SpectatorView 项目使用指南
1. 项目介绍
MixedReality-SpectatorView 是一个增强现实(AR)产品,旨在通过辅助设备(如手机、平板电脑等)观看 HoloLens 体验。该项目支持多种配置,适用于从快速原型制作到生产关键演示的多种场景。Spectator View 允许用户在不同的设备上同步和查看相同的 AR 内容,从而扩展了 HoloLens 的使用范围。
2. 项目快速启动
2.1 环境准备
在开始之前,请确保您的开发环境满足以下要求:
- Windows PC
- Visual Studio 2019
- Universal Windows Platform 开发工具
- Desktop 开发 with C++ 工具
- Windows 10 SDK (10.0.18362.0)
- Git
- NuGet
2.2 获取代码
首先,克隆 MixedReality-SpectatorView 仓库到本地:
git clone https://github.com/microsoft/MixedReality-SpectatorView.git
2.3 设置项目
进入项目目录并运行设置脚本:
cd MixedReality-SpectatorView
tools\Scripts\SetupRepository.bat
2.4 构建 Unity 包
在管理员权限的命令窗口中运行以下脚本以构建 Unity 包:
tools\scripts\CreateUnityPackage.bat
2.5 添加到 Unity 项目
将生成的 com.microsoft.mixedreality.spectatorview.* 文件夹复制到您的 Unity 项目中,并在 Package/manifest.json 文件中添加引用:
{
"dependencies": {
"com.microsoft.mixedreality.spectatorview": "path/to/com.microsoft.mixedreality.spectatorview"
}
}
2.6 配置 Unity 场景
在 Unity 中,将 MixedReality-SpectatorView/SpectatorView/Prefabs/SpectatorView.prefab 添加到主场景中。选择合适的 Spatial Alignment 策略,并根据需要更新 Unity 项目和播放器设置。
2.7 构建和部署
构建并部署主场景到 HoloLens 设备,然后构建并部署相应的 Spectator View 场景到辅助设备(如 Android 或 iOS 设备)。
3. 应用案例和最佳实践
3.1 快速原型制作
Spectator View 非常适合用于快速原型制作,开发者可以在短时间内创建并展示 AR 体验,同时通过辅助设备让更多人参与观看。
3.2 关键演示
在大型演示或会议中,Spectator View 可以确保所有观众都能看到 HoloLens 上的 AR 内容,从而提升演示效果。
3.3 团队协作
在开发过程中,团队成员可以通过 Spectator View 在不同设备上同步查看 AR 内容,有助于快速迭代和反馈。
4. 典型生态项目
4.1 Mixed Reality Toolkit (MRTK)
MRTK 是一个强大的工具包,为 HoloLens 和 Windows Mixed Reality 设备提供了一系列的组件和功能,Spectator View 可以与 MRTK 无缝集成,提供更丰富的 AR 体验。
4.2 Azure Spatial Anchors
Azure Spatial Anchors 是一个云服务,允许开发者创建持久化的 AR 体验,Spectator View 可以与 Azure Spatial Anchors 结合使用,实现跨设备的 AR 内容同步。
4.3 ARCore 和 ARKit
Spectator View 支持与 ARCore 和 ARKit 集成,使得开发者可以在 Android 和 iOS 设备上观看 HoloLens 的 AR 体验,扩展了应用的覆盖范围。
通过以上步骤,您可以快速上手 MixedReality-SpectatorView 项目,并将其应用于各种 AR 开发场景中。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
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
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00