最新

我经常想快速比较不同开源项目的采用曲线，但通常会因为工具要求我生成并粘贴一个 GitHub 个人访问令牌才能查看图表而放弃。<p>为了实现完全无障碍的使用体验，我构建了 Startrail。它是一个简单的可视化工具，在后台处理 API 获取，因此你只需输入一些仓库即可立即获取数据。<p>几个主要特点： - 零设置：无需 API 密钥、登录，也没有速率限制警告。 - 并排比较：你可以在同一图表上绘制多达 12 个仓库。 - 清晰易用：在移动设备上流畅运行，方便随时随地快速查看。<p>我最初是为了自己快速进行基准测试而构建它的，但这个周末我正在积极地改进它。我很想听听 HN 社区的看法。什么功能会让你觉得它更有用——分支、发布版本标记，还是其他什么？<p>欢迎试用！

我们需要一个 Blender bpy.ops 数据集，用于自回归建模，而网格生成这条路正在被“不发表就灭亡”的压力吞噬，已经走到尽头了。 大家都知道神经网格生成有点像无用的玩具，但在 2022 年，Autodesk Research 发表了 SkexGen（ICML 2022），一个生成 CAD 构造序列的自回归模型。你绘制一个 2D 轮廓，对其进行拉伸、布尔运算，每一步都是有效的 CAD 操作。SCAD 和 Adam 等已经将其外推到 LLM，这很好——如果它们真的专业化，实际上会非常出色，而差距在于它和一个 LLM 视觉问题。 它之所以有效，是因为 CAD 文件原生存储了它们的构建历史，并且之所以存在，是因为构建序列始终被存储，而 DeepCAD 数据集免费为它们提供了数千个这样的序列。 Blender 的呢？ 研究界选择了追求直接网格生成，将顶点和面标记成序列（PolyGen、MeshAnything、MeshXL、MESHTRON 等），或者逆向网格简化（ARMesh）。这些方法正在变得更好，但它们从根本上是在与表示作斗争。顶点坐标序列并没有编码边缘循环存在的原因，但 bpy.ops 却可以。我们应该创建一个数据集。 Blender 已经将每个 bpy.ops 调用记录到其信息面板中。一个录制插件可以捕获带有所有参数的完整 bpy.ops 调用、每一步的选择状态（选择了哪些顶点/边/面）、每一步（或关键间隔）的轻量级网格快照以及最终网格作为标签。 是的，噪声、上下文和尺度之间存在挑战，但是……？自回归方法已经得到验证。差距完全在于数据收集基础设施。为什么不呢？