Gigi项目v0.99.6版本发布:图形处理工具的重大更新
Gigi是一个专注于图形处理和计算着色器技术的开源项目,它为开发者和研究人员提供了一个强大的工具集,用于探索和实现各种图形算法。该项目特别适合需要进行图像处理、3D渲染和GPU计算的研究人员和开发者使用。最新发布的v0.99.6版本带来了多项重要更新和改进,显著提升了用户体验和功能完整性。
浏览器功能增强
本次更新中,Gigi浏览器功能得到了显著增强。现在用户可以通过浏览器搜索技术库中的各种图形处理技术,并且可以提交自己的技术实现与他人分享。这一功能极大地促进了技术交流和知识共享。为了优化用户体验,大多数技术实现已经从技术文件夹中移出,现在可以通过浏览器直接访问。这一改变不仅简化了文件结构,还使得技术管理更加直观。
在性能优化方面,安装包大小从564MB大幅缩减至199MB,减少了近65%的体积。这一优化显著降低了用户的下载和安装成本,特别是对于网络条件有限的用户来说尤为重要。
查看器功能升级
查看器功能在本版本中获得了多项实用改进。新增的鼠标区域半径功能可以显示定义半径区域内像素的平均值,同时选中的像素或区域会高亮显示,这些功能对于精确的图像分析非常有帮助。
在纹理压缩格式支持方面,新增了对BC4和BC5格式的支持,包括保存、加载、使用和查看功能,这与之前已经支持的BC6和BC7格式一起,提供了更全面的纹理压缩格式支持。
错误处理机制也得到了改进,当计算着色器节点初始化失败时,会提供更清晰的错误信息,帮助开发者更快定位和解决问题。
在3D模型处理方面,现在支持拖放.ply文件进行查看,系统会自动将文件中的前三个元素识别为XYZ坐标并将其渲染为点云。此外,拖放模型到查看器时新增了"PlasticShaded"模式,这一由Patrick Anderson贡献的功能提供了更自然的模型查看体验。
Python接口扩展
Python接口在本版本中获得了重要的功能扩展,特别是图像保存功能。现在支持保存多种类型的图像,包括2D、2D数组、3D和立方体贴图,可以选择是否包含mipmap。支持的格式也更加丰富,包括png、bc4、bc5、bc6、bc7、exr、hdr、csv和二进制格式。
要使用这些保存功能,用户需要先设置回读操作,然后调用相应的函数。具体操作包括调用主机函数SetWantReadback、RunTechnique和WaitOnGPU来完成回读设置。
编辑器改进
编辑器功能也获得了多项实用改进。现在支持通过拖放.gg文件来直接打开它们,提高了工作流程效率。代码生成功能也得到了优化,现在生成的代码是相对于.gg文件而不是GigiEdit.exe的位置,这使得项目文件管理更加灵活和可靠。
错误修复
本版本修复了多个影响用户体验的问题。其中包括修复了相同大小缓冲区因使用标志不同导致填充方式不同时复制失败的问题;改进了鼠标滚轮滚动窗口时不会意外改变选中像素的行为;修复了将导入资源文件名设置为空字符串时会尝试将其用作相对路径并导致加载错误的问题;解决了结构体引用清理问题,特别是子图中使用的结构体无法找到的情况;修复了因缺少winpix dll导致的构建错误;以及修复了加载没有法线的obj文件时可能发生的崩溃问题。
DX12相关改进
在DX12代码生成器方面,提供了更多关于导入资源设置的帮助信息,并添加了主输出自动复制到渲染目标的功能。新增了对自定义Gigi字符串替换标记的支持,标记值可以在编辑器中指定,这一功能特别适用于版权声明等场景。同时修复了资源复制节点未生成性能标记的问题。
DX12单元测试方面也进行了优化,现在可以更轻松地运行测试子集,并修复了有时不报告所有测试结果的错误。
总结
Gigi v0.99.6版本是一个功能丰富且稳定的更新,它在浏览器功能、查看器体验、Python接口、编辑器工具以及底层DX12支持等方面都带来了显著改进。这些更新不仅增强了功能性,也提高了用户体验和开发效率。特别是浏览器技术的共享功能和Python接口的图像保存扩展,为图形处理研究和开发提供了更强大的工具支持。对于从事图形处理、GPU计算和3D渲染相关工作的开发者和研究人员来说,这个版本值得升级和使用。
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