Super Splat v1.15.0版本发布:3D点云编辑工具的重要更新
Super Splat是一个基于WebGL的3D点云编辑工具,主要用于处理点云数据的可视化、编辑和交互操作。该项目由PlayCanvas团队维护,提供了丰富的3D点云处理功能,包括点云渲染、编辑工具、视图控制等。最新发布的v1.15.0版本带来了一系列功能增强和用户体验改进。
主要更新内容
1. 新增Gizmo原点切换功能
Gizmo是3D编辑中常用的交互工具,用于对象的移动、旋转和缩放操作。v1.15.0版本新增了Gizmo原点的切换功能,允许用户在对象原点和世界原点之间自由切换Gizmo的参考点。
这一改进使得3D点云的编辑更加灵活:
- 当需要基于对象自身坐标系进行变换时,可以使用对象原点模式
- 当需要基于全局坐标系进行精确对齐时,可以切换到世界原点模式
- 两种模式的无缝切换大大提升了复杂场景下的编辑效率
2. HTML查看器更新
Super Splat的HTML查看器组件得到了重要更新,主要改进包括:
- 优化了用户界面布局,使操作更加直观
- 增强了点云数据的可视化效果
- 改进了查看器的响应速度和性能表现
这些改进使得在网页中嵌入和查看点云数据变得更加流畅和高效。
3. 双击交互优化
v1.15.0版本对双击交互行为进行了多项改进:
- 优化了双击选择点云的响应速度
- 改进了双击操作的精度和可靠性
- 增强了双击与其他交互操作的兼容性
这些改进使得用户能够更快速、更精确地选择和操作点云数据,提升了整体编辑体验。
4. Gizmo工具修复
本次版本包含了对Gizmo工具的多项修复:
- 解决了某些情况下Gizmo操作不准确的问题
- 修复了Gizmo在特定视角下的显示异常
- 优化了Gizmo与点云交互的稳定性
这些修复使得3D变换操作更加可靠,减少了编辑过程中的意外行为。
5. 依赖项更新
项目依赖的多个第三方库已更新至最新版本,包括:
- Three.js等核心图形库的版本升级
- 构建工具链的优化更新
- 安全相关依赖的版本提升
这些更新不仅带来了性能提升,还增强了项目的安全性和稳定性。
技术意义与应用价值
Super Splat v1.15.0的这些更新虽然看似细微,但对于专业3D点云处理工作流有着重要意义:
-
编辑效率提升:Gizmo原点的灵活切换和优化后的双击交互,使得点云编辑更加高效,减少了不必要的操作步骤。
-
可视化质量改进:HTML查看器的更新带来了更好的视觉效果,这对于点云数据的展示和分析尤为重要。
-
稳定性增强:Gizmo修复和依赖项更新提高了工具的可靠性,减少了工作中断的风险。
-
开发者体验优化:依赖项的及时更新维护了项目的健康度,为开发者提供了更好的扩展基础。
这些改进使得Super Splat在3D扫描数据处理、地理信息系统、计算机视觉研究等领域的应用更加得心应手。无论是专业用户还是开发者,都能从这个版本中获得更好的使用体验。
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