首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

【Android 应用开发】Canvas 精准绘制文字 ( 测量文本真实边界 | 将文本中心点与给定中心点对齐 )

文章目录 一、测量文本真实边界 二、将文本中心点与给定中心点对齐 一、测量文本真实边界 ---- Paint.getTextBounds() 函数原型如下 : public class Paint {...0, text.length(), rect); 获取的边界值 , 并不是绘制该文本的坐标 , 是使用 Paint 在 Canvas 中绘制的文本的真实占用区域 , 如下图红色矩形框所在的区域 , 与文本的相对坐标...这是根据文本的特性确定的 , 如有的文本时 abcd 类型的 , 下方没有超出基线 , 有的文本属于 jqpy 类型的 , 下方超出基线了 , 还有可能有特殊符号如度数符号 , 百分号等 , 造成了真实文本与绘图区域的差异...; 绘图区域 与 真实文本区域 的差异 , 就导致了 文字绘图 不准确 , 不好定位的问题 ; 二、将文本中心点与给定中心点对齐 ---- 给定中心点 ( x , y ) ; 绘制文本 , 使得 文本的中心点...与 给定的中心点对齐 ; 根据中心点位置 : 确定绘制文本的左侧位置 : x - (rect.left + rect.right) / 2 , 绘制的文本 , 是下图红色矩形框的位置 , 文本的位置是不确定的

1.4K20
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    每日论文速递 | 【ICLR24 Oral】LoftQ: 更好地将LLM量化与LoRA微调结合

    具体来说,当在预训练模型上同时应用量化和LoRA微调时,通常会观察到与全精度微调相比,在下游任务上存在性能差距。这种性能差距在低比特(如2位)量化情况下尤为明显。...量化方法的比较: 对比了LoftQ与现有的量化方法,如QLoRA,以及全精度LoRA微调方法。 在不同的量化位宽(如2位、4位和混合精度)下进行了实验。...与剪枝方法的比较: 将LoftQ与剪枝方法进行了比较,以展示LoftQ在性能和内存效率方面的优势。 扩展到卷积层: 探讨了将LoftQ应用于卷积层的可能性,这在传统的LoRA方法中不常见。...开源社区的贡献:将LoftQ框架开源,鼓励社区贡献和协作,以促进该领域的进一步发展。 这些研究方向可以帮助研究者更深入地理解量化对大型语言模型性能的影响,并推动量化技术在自然语言处理领域的应用。...LoftQ在多个数据集和模型上实现了与全精度微调相近或更好的性能。 代码开源:提供了LoftQ的代码实现,以便研究社区可以访问和使用。

    1.2K10

    MHN中心服务器搭建与树莓派蜜罐部署

    MHN中心服务器搭建 0x00 介绍 MHN(Modern Honey Network),是一个用于管理和收集蜜罐数据的中心服务器。...据官方说法,目前经测试支持部署MHN服务器的系统有Ubuntu 14.04, Ubuntu 16.04, Centos 6.9,我部署的服务器版本是Centos6.8。...Python2.6或者其他版本,会导致yum冲突,出现"no mudule named yum"错误: vim /etc/yum #/usr/bin/python #/usr/bin/python2.6 #改为服务器原本使用的版本...conf.d/*.ini /etc/supervisor/conf.d/*.conf 出现"bind() to 0.0.0.0:80 failed address already in use"错误(由于服务器自身使用了...SUPERUSER_PASSWORD = 'this_is_test' #用于登录MHN管理界面的密码 SERVER_BASE_URL = 'http://www.example.com' #部署MHN服务器的地址

    1.9K70

    港大等发布GraphGPT:150微调参数,准确率提升10倍!无需超长token,LLM也能读懂图结构

    为了应对这些挑战,本文提出了一个名为GraphGPT的全新框架,该框架旨在使用精心设计的图指令微调范式将大语言模型与图结构对齐。...本研究的主要贡献如下: 将图领域特定的结构知识与大语言模型的推理能力对齐,以提高图学习的泛化。 提出的方法旨在通过图指令微调范式将大语言模型与图结构数据对齐。...训练后,假设投影器已经成功地学会了将编码的图表示映射到图结点token,而大语言模型则擅长将这些图结点token与多种节点文本信息对齐。...为了将图结点token与自然语言token对齐,使用一个投影器,它可以简单到用一个单一的线性层实现。 这个投影器建立了图结点token和自然语言token之间的对应关系。...微调策略 训练的第二阶段使用第一阶段训练得到的结构感知投影器的参数作为初始状态,在训练过程中,保持大语言模型和图编码器的参数不变,仅专注于优化前一阶段的投影器的参数,确保大语言模型进一步与下游任务对齐,

    74120

    从边缘地带到舞台中心,未来40%的服务器将基于开放标准

    过去10年,移动互联网、云计算、大数据等技术的蓬勃发展带来了开放计算产业的诞生与成长。...近年来随着数据中心体量的不断提升,50万台服务器规模以上的数据中心已不鲜见,这些数据中心的拥有者们,需要通过服务器等硬件的定制开发,来降低成本,并掀起更快速的数据中心创新革命。...Omida数据显示,2016年全球仅有7%的服务器基于开放标准,预测2021年将有36%的服务器基于开放标准,而到2025年这一比例将继续提升至40%。...近十年,开放计算已延伸至数据中心的各个角落,包括服务器、存储、网络、供电、散热、基础设施管理等,以及数据中心整体解决方案提供商和互联网厂商。...在低碳环保方面,经过十年发展,开源开放技术已经帮助数据中心带来了能效提升,比如开放标准的高密度整机柜,通过集中供电、散热和管理,能够比采用传统服务器能耗降低15%。

    29920

    SIGIR2024 | GraphGPT: 大语言模型引领图学习新范式

    GraphGPT通过精心设计的图指令微调方法将LLMs与图结构相结合。首先,GraphGPT采用文本-图对齐技术,利用对比学习有效地将文本语义对齐到图编码器中。...创新的图指令微调范式:我们提出了一种全新的图指令微调方法,旨在将LLM与图结构数据深度融合。该方法包括两个关键步骤: a....在训练中,我们固定大语言模型和图编码器的参数,仅优化投影器的参数。我们假设投影器已经成功地学会了将图表示映射到图结点 token,而大语言模型则擅长将这些图结点 token 与多种节点文本信息对齐。...为进一步优化性能,我们将生成的思维链指令数据与之前为任务特定指令微调阶段制定的指令结合起来,对图指令进行微调。 3....所介绍的框架名为GraphGPT,采用了双阶段的图指令微调方法,将图相关的结构性知识融入到大语言模型中。通过一个简单高效的"图-文"对齐投影器,该模型得以理解并解读图的结构性信息。

    48910

    将Testinfra与Ansible结合使用以验证服务器状态

    与Ansible和Nagios结合使用,它提供了一个简单的解决方案,以代码形式实施基础架构。 通过设计,Ansible表示计算机的期望状态,以确保将Ansible剧本或角色的内容部署到目标计算机。...还是随时验证服务器的状态? Testinfra是一个基础结构测试框架,可以轻松编写单元测试来验证服务器的状态。 它是一个Python库,并使用了功能强大的pytest测试引擎。...Testinfra入门 使用Python包管理器(pip)和Python虚拟环境可以轻松安装Testinfra。...Testinfra提供与流行的监控解决方案Nagios的集成。 默认情况下,Nagios使用NRPE插件在远程主机上执行检查,但是使用Testinfra允许直接从Nagios主服务器运行测试。...与Ansible和Nagios结合使用,它提供了一个简单的解决方案,以代码形式实施基础架构。 它也是在使用Molecule开发Ansible角色期间添加测试的关键组件。

    2K11

    将数据中心代理和Oxylabs住宅代理与MultiLogin集成的操作保姆级流程

    MultiLogin是一款集多账户管理、浏览器指纹隐藏等功能于一体的实用解决方案。在您抓取所需公共数据时,将MultiLogin与值得信赖的代理结合使用,可以大幅降低被网站阻止情况发生的概率。...图片在本篇教程中,将带您学习简单的集成流程,手把手教您将Oxylabs的住宅代理和数据中心代理与MultiLogin进行集成。...图片如果将Oxylabs的住宅代理与之集成,那么首先选择HTTP代理作为连接类型,并填写所需的详细信息:在New address(新地址)和Port(端口)下输入pr.oxylabs.io和7777。...如果将Oxylabs的住宅代理与之集成,那么首先选择HTTP代理作为连接类型,并填写所需的详细信息:在New address(新地址)和Port(端口)下输入pr.oxylabs.io和7777。...https://developers.oxylabs.io/v/cn/dai-li/zhu-zhai-dai-li/ju-ti-guo-jia-di-qu-de-ru-kou-jie-dian图片数据中心代理的集成流程与住宅代理类似

    61530

    基于语义增强的少样本检测,突破新类别偏见 | ICIP24

    在提出的方法中,将视觉特征与类名嵌入对齐,并用语义相似性分类器替换线性分类器,训练每个区域提议收敛到相应的类别嵌入。...为了克服上述障碍,论文提出了一个语义相似度分类器,并使用固定的语义嵌入进行识别,而不是线性分类器。这是基于这样一个观察结果:类名嵌入与大量的视觉信息内在地对齐。...当训练样本极为有限时,类名嵌入可作为良好的类中心。   首先通过一个投影器将区域特征与语义嵌入进行对齐,然后利用投影后的区域特征与类名嵌入之间的余弦相似度来生成分类得分 $\mathbf{s}$ 。...Multimodal Feature Fusion   语义相似度分类器学习将视觉空间中的概念与语义空间对齐,但仍然独立地处理每个类别,并且在除了最后一层之外,不进行模态之间的知识传播。...Semantic-aware Max-margin Loss   语义相似度分类器将视觉特征与语义嵌入对齐,导致新类别的特征分布无偏。

    15010

    调研图基础模型(Graph Foundation Models)

    用 “文本-图” 对齐编码结构信息:通过任意的图编码器(例如 Graph Transformer)和文本编码器(例如普通 Transformer)获得编码后的图表示和文本表示。...GraphGPT 的贡献: 将图领域特定的结构知识与大语言模型的推理能力对齐,以提高图学习的泛化。 提出的方法旨在通过图指令微调范式将大语言模型与图结构数据对齐。...文章提出了一个新的分类法,将现有方法分为三类,根据LLM在图相关任务中的角色(增强器、预测器和对齐组件)进行组织。此外,文章还讨论了现有研究的局限性,并指出了未来研究的可能方向。...LLMs 的角色分类:LLMs 在图相关任务中的角色可以分为增强器、预测器和对齐组件三类。...在 “如何” 方面,将 LLMs 的能力与每个程序的要求进行了对齐。 这项研究指出图表示学习是图中心任务中的一个关键步骤,已经取得了显著进展。

    53300

    UIKit Dynamics:开始入门 —《Graphics & Animation系列一》

    碰撞对象需要知道它应该与之交互的每个视图; 因此将障碍添加到物品列表中允许碰撞物体也作用于障碍物。...到目前为止,UIKit Dynamics的功能已经变得相当清晰:只需几行代码就可以完成很多工作。 引擎盖下有很多事情要做, 下一节将向展示动态引擎如何与应用程序中的对象交互的一些细节。...这个协议意味着动态与UIView不紧密耦合; 的确有另一个UIKit类不是视图,但仍然采用这个协议:UICollectionViewLayoutAttributes。...,然后将行为对象添加到动画设计器中。...然后创建一个新的捕捉行为,将方块对齐到用户的触摸位置,并将其添加到动画制作工具中。 构建并运行应用程序。

    1.9K30

    SwiftUI - 百行代码变十行,Swift再创辉煌

    开发者可以声明需要由一串文本输入框构成的组件 然后定义每一个输入框的字体对齐方式、字体样式、字体颜色。 这些代码比以往更加易懂,省时并易于维护。...例如,编写需要包含文本字段的项目列表时,开发者可以用代码描述每个字段的对齐方式、字体和颜色。代码也比以前更简单,更易于阅读。 ? 这种声明式风格非常适用于像动画这样复杂的元素。...通过 SwiftUI,开发者可轻松地将动画添加到几乎任何控件。...当在设计工具中工作时,所编辑的内容会立刻反映到代码上,如果从模拟器切换到手机,手机也能立马看到预览效果。 ?...构建可复用的组件 将小的、单一职责的视图组合成更大、更复杂的接口。在为任何苹果平台设计的应用程序之间共享自定义视图。

    3K40

    CVPR 2024 | 风格迁移和人像生成汇总!扩散模型diffusion用于经典AIGC方向

    此外,采用样式混合来使颜色生成与参考图像一致,减少不一致的对应关系。 方法为One-shot人脸风格化提供了更好的可变形性能,并在大约10分钟的微调时间内实现了显著的效率。...而现有方法仅仅将人物外貌与目标姿势对齐,由于在源人物图像上缺乏高层语义理解,容易出现过拟合的问题。 本文提出一种用于姿势引导的人物图像合成的新方法——粗到精的潜在扩散(CFLD)。...具体来说,它基于本文核心观察结果,即分类器无关指导响应与生成图像的显著性之间存在强大的联系。...现有方法大多通过在模型微调阶段添加额外的图像或人体中心先验(例如姿势或深度图)来解决这个问题。本文探讨的是将这些人体中心先验直接集成到模型微调阶段,从而在推理阶段消除额外条件的需求。...通过引入人体中心对齐损失,在交叉注意力图中增强来自文本提示的与人相关的信息,实现了这一想法。为在微调过程中保证语义细节丰富性和人体结构准确性,根据对交叉注意力层的深入分析,引入尺度感知和分步约束。

    2.5K10

    UIKit Dynamics 置身真实世界

    可以使用户可以通过皮肤深层的自身形态与界面更深层次的联系。 工具介绍: UIKit Dynamics是整合到UIKit中的完整物理引擎。...与障碍物碰撞 可以看出,square跟障碍物交互不是很正确,障碍物应该不可移动,更奇怪的是障碍物从屏幕的底部反弹,并不像square那样沉稳,因为重力行为与障碍物无关 六、隐形边界和碰撞 将碰撞行为初始化更改回最初...与障碍物碰撞2 下面将展示动态引擎如何与应用程序中的对象进行交互的一些细节。...九、配置item属性 上述代码创建一个item行为,将其与square相关联,然后将该行为对象添加到动画制作器。...然后创建一个新的捕捉行为,将square对齐到用户触摸的位置,并将其添加到动画制作工具(animator)。 现在你可以随便点击屏幕,square会跳到你点击的位置。 效果如下: ?

    1.3K100

    多模态LLM多到看不过来?先看这26个SOTA模型吧

    模态编码器(Modality Encoder/ME):编码不同模态的输入,以得到相应的特征。 输入投影器(Input Projector):将已编码的其它模态的特征与文本特征空间对齐。...MM PT 在预训练阶段(通常是利用 XText 数据集),通过优化预定义的目标来训练输入和输出投影器,使其对齐不同的模态。(有时候也会将参数高效型微调(PEFT)技术用于 LLM 骨干。)...(4) MiniGPT-4:提出了一种经过精简的方法,其中仅训练一个线性层来对齐预训练视觉编码器与 LLM。这种高效方法展现出的能力能媲美 GPT-4。...该框架对齐了视觉与语言以及音频与语言。 (12) Video-ChatGPT:该模型是专门针对视频对话任务设计的,可以通过整合时空视觉表征来生成有关视频的讨论。...其采用了一种轻量的对齐策略 —— 在编码阶段使用以 LLM 为中心的对齐,在解码阶段使用指令遵从对齐。

    43310

    SwiftUI - 百行代码变十行,Swift再创辉煌

    开发者可以声明需要由一串文本输入框构成的组件 然后定义每一个输入框的字体对齐方式、字体样式、字体颜色。 这些代码比以往更加易懂,省时并易于维护。...为什么需要 SwiftUI 下面是来自王巍对UIKit的诟病 UIKit 提供的是一套符合直觉的,基于控制流的命令式的编程方式。...例如,编写需要包含文本字段的项目列表时,开发者可以用代码描述每个字段的对齐方式、字体和颜色。代码也比以前更简单,更易于阅读。 [1240] 这种声明式风格非常适用于像动画这样复杂的元素。...通过 SwiftUI,开发者可轻松地将动画添加到几乎任何控件。...当在设计工具中工作时,所编辑的内容会立刻反映到代码上,如果从模拟器切换到手机,手机也能立马看到预览效果。

    2.3K30
    领券