Vedo 2025.5.3版本发布:科学可视化库的重大更新
Vedo是一个基于VTK的Python科学可视化库,它提供了简洁易用的API接口,能够帮助科研人员和工程师快速创建高质量的3D可视化效果。该库特别适合处理医学影像、计算流体力学、有限元分析等领域的数据可视化需求。
核心功能增强
精度与性能优化
新版本引入了settings.force_single_precision_points = False设置项,允许用户控制点数据的精度。这一改进特别适合需要高精度计算的场景,如CAD建模或精密工程分析。当设置为False时,系统将使用双精度浮点数存储点坐标,显著提高了计算精度。
网格处理能力提升
新增的mesh.laplacian_diffusion()方法为网格平滑处理提供了新的工具。拉普拉斯扩散算法能够有效去除网格表面的噪声,同时保持模型的整体形状特征,在医学图像处理和3D扫描数据处理中尤为实用。
针对网格布尔运算,文档中增加了详细说明,帮助用户更好地理解不同布尔操作(并集、交集、差集)的应用场景和限制条件。同时,修复了find_cell()函数的相关问题,提高了网格单元查询的准确性。
体积数据处理改进
体积数据的等值面提取功能得到了显著增强。volume.isosurface_discrete()方法现在能够更精确地提取离散等值面,特别适用于医学CT或MRI数据的可视化分析。同时,改进了体积传输函数的透明度处理,使得体积渲染效果更加自然。
用户体验优化
交互功能增强
新增的addons.DrawingWidget类为用户提供了在平面对象上绘制轨迹的能力,这一功能在医学图像标注、工程设计草图绘制等场景中非常实用。DistanceTool工具的修复则确保了距离测量的准确性。
箭头对象现在提供了top_point()和base_point()方法,可以方便地获取箭头的起点和终点坐标。同时修正了top_index属性的返回值,确保其与实际几何位置一致。
可视化控制改进
plotter.reset_clipping_range()方法的加入解决了相机裁剪范围自动调整的问题。现在,系统能够根据可见对象的边界自动计算合适的裁剪范围,避免了对象被意外裁剪的情况。
对于2D标量条对象进行了优化,使其在嵌入3D场景时表现更加稳定。同时,修复了LegendBox的显示问题,确保图例能够正确反映可视化内容。
数据处理与I/O改进
数据兼容性增强
所有加载函数现在都支持pathlib路径对象,使文件操作更加符合现代Python编程习惯。同时,输入输出功能对Assembly对象的支持得到了改进,使得复杂场景的保存和加载更加可靠。
数据质量保证
新增了对cell_normals调用的错误检查,如果用户在没有先调用compute_normals()的情况下尝试获取单元法线,系统将抛出明确的错误提示。这一改进有助于避免因法线数据缺失导致的渲染问题。
文档中增加了关于Cube和Box对象顶点重复的说明,解释了这种设计是为了支持法线定义。同时澄清了mesh.volume()和mesh.is_closed()方法在存在重复顶点时的行为特点。
其他重要改进
- 修复了
Plane.normal属性的计算问题,确保平面法线方向正确 - 视频对象新增
scale参数,允许调整视频帧的显示尺寸 - 改进了
legosurface函数的默认参数设置 - 截图功能现在支持透明度通道的保存
- 移除了过时的
CellCenters类,统一使用object.cell_centers()方法
这些更新使Vedo在科学计算可视化领域的应用更加广泛和可靠,为用户提供了更强大的工具来处理复杂的3D数据可视化任务。
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