图的着色问题图论和计算机科学的一个经典问题。 给定一个无向图 G，为图中的每一个节点着色。一个合法的图着色方案必须要满足条件：任意两相邻节点的颜色不同。问题是，希望找到使用颜色数尽可能少的着色方案。如下图所示，一个包含 4 个节点的图，以及一种着色方案。这个着色方案使用了 3 种颜色，但不是最优的，可以找到只使用 2 种颜色的着色方案。
In the last year I have never had to write a single HLSL/GLSL shader. Bottom line, I can’t think of any reason NOT to use CG.
图已经成为一种强大的建模和捕获真实场景中的数据的手段，比如社交媒体网络、网页和链接，以及GPS中的位置和路线。如果您有一组相互关联的对象，那么您可以使用图来表示它们。
回溯法是一种组织搜索的一般技术，有“通用的解题法”之称，用它可以系统的搜索一个问题的所有解或任一解。 有许多问题，当需要找出它的解集或者要求回答什么解是满足某些约束条件的最佳解时，往往要使用回溯法。 可以系统地搜索一个问题的所有解或任意解，既有系统性又有跳跃性。 回溯法的基本做法是搜索，或是一种组织得井井有条的，能避免不必要搜索的穷举式搜索法。 这种以深度优先的方式系统地搜索问题的解的方法称为回溯法。
二分图是一种图，其顶点可以分为两个独立的集合 U 和 V，使得每条边 (u, v) 要么连接从 U 到 V 的顶点，要么连接从 V 到 U 的顶点。换句话说，对于每个边 (u, v)，要么 u 属于 U，v 属于 V，要么 u 属于 V，v 属于 U。我们也可以说，不存在连接同一集合的顶点的边。
Vertex shader program（顶点着色程序）和 Fragment shader program（片断着 色程序）分别被 Programmable Vertex Processor（可编程顶点处理器）和 Programmable Fragment Processo（可编程片断处理器）所执行。
先来看下算法导论对R-B Tree的介绍： 红黑树，一种二叉查找树，但在每个结点上增加一个存储位表示结点的颜色，可以是Red或Black。 通过对任何一条从根到叶子的路径上各个结点着色方式的限制，红黑树确保没有一条路径会比其他路径长出俩倍，因而是接近平衡的。
1 问题描述： 给定无向图，m种不同的颜色。使每一种着色法使G中每条边的2个顶点不同颜色，若一个图最少需要m种颜色才能使图中每条边连接的2个顶点着不同颜色，则成这个数m为该图的色数。求一个图的色数m的问题称为图的m可着色优化问题。 2 算法设计 用图的邻接矩阵a表示无向图连通图G=（V,E）。 若存在相连的边，则a[i][j] = 1，否则 a[i][j]=0. 整数1,2,3.。。m用来表示为一棵高度为n+1的完全m叉树。 解空间树的第i层中每一结点都有m个儿子，每个儿子相应于x[i]
1972年秋天，Vance Faber是科罗拉多大学的新教授。当两位有影响力的数学家PaulErdős和LászlóLovász来访时，Faber决定举办一场茶话会。尤其是Erdős，他是一位古怪而充满活力的研究人员，在国际上享有盛誉，Faber的同事渴望与他见面。
图可以被看作一个群，记号为G=(V, E)。图的顶点（vertex）之间的二元关系可以看成是E中的元素，也就是图里的边（edge）。图的边是否有序则分为有序图和无序图。 在无序图中，简单图（simple graph）被定义作：没有两条边是连着相同顶点的。而如果有这样的边（称为multiple edge），那么这个图就应被称为multigraph。图里的环（loop）即为字面意义，指向自身。在这里定义pseudograph：允许环和多重边存在的图即为pseudograph。
真实世界中的物体之间相对于相机是有远近关系的，那么在2D平面上如何反应物体的先后关系呢？一个常用的方法是Painter's Algorithm (画家算法)，即先画远处的物体，然后把近处的物体画在远处物体的前面，如下图所示。
这系列的笔记来自著名的图形学虎书《Fundamentals of Computer Graphics》，这里我为了保证与最新的技术接轨看的是英文第五版，而没有选择第二版的中文翻译版本。不过在记笔记时多少也会参考一下中文版本
选自arXiv 作者：Richard Zhang等 机器之心编译 参与：李泽南 UC Berkeley 的研究人员近日推出了一种利用深度学习对黑白图像进行实时上色的模型，并开源了相关代码。该研究的论文将出现在 7 月 30 日在洛杉矶举行的 SIGGRAPH 2017 计算机图像和交互技术大会上。 论文链接：https://arxiv.org/abs/1705.02999 Demo 和代码链接：https://richzhang.github.io/ideepcolor/ 在计算机图形学领域中，一直存在两种
图着色问题描述以及使用贪心算法进行图着色的源码见：Python使用两种贪心策略对无向图顶点进行着色
图着色问题是一个著名的NP完全问题。给定无向图 G = (V, E)，问可否用K种颜色为V中的每一个顶点分配一种颜色，使得不会有两个相邻顶点具有同一种颜色？
详细解析参照 ：OpenGL 分屏滤镜 https://juejin.cn/post/6859934701932118024
咱们的公众号有很多硬核的算法文章，今天就聊点轻松的，就具体聊聊我非常“鼓吹”的《算法4》。这本书我在之前的文章多次推荐过，但是没有具体的介绍，今天就来正式介绍一下。
写这篇文章，我是认真的，专门听了《走样》这首歌，寻找一下写作的感觉。俗话说，做人和唱歌一样，歌一定要唱完，人不可以做一半。所以，文章也不能只有一个开头。
各位读者大家好，今天我们来讲讲equitable coloring promblem(ECP)。
四、假定有一组活动，我们需要将它们安排到一些教室，任意活动都可以在任意教室进行。我们希望使用最少的教室完成所有活动。设计一个高效的贪心算法求每个活动应该在哪个教室进行。(这个问题称为区间图着色问题(interval-graph color problem)。我们可以构造一个区间图，顶点表示给定的活动，边连接不兼容的活动。要求用最少的颜色对顶点进行着色，使得所有相邻顶点颜色均不相同——这与使用最少的教室完成所有活动的问题是对应的。)如果要写代码，请用go语言。
视频上色任务可以认为是给定每一帧 L 通道的信息，获得 AB 通道。要求生成的 AB 通道首先要尽可能的与真值相似，其次还要保证帧间一致性，这种一致性不仅体现在相邻帧，远距离帧也要考虑到。最近的自动上色算法使用前面的相邻帧作参考，将视频上色以马尔可夫的方式进行。一些基于参考的上色方法在参考前面的相邻帧的同时还参考输入的参考帧，通过参考帧的监督来实现对上色风格的控制。参考帧的选取无疑是需要大量时间的，因此本文提出了一种两阶段的上色方法，自动生成参考帧并指导上色。
在应用程序调用任何OpenGL执行之前，首先需要创建一个OpenGL的上下文。这个上下文是一个非常庞大的状态机，保存了OpenGL中的各种状态，这也是OpenGL指令的基础。
在推理实验中，声称可以提高准确性的模型自我纠正，把正确率从16%「提高」到了1%！
说起图形处理，一定是离不开GPU的，因为我们所做的操作，最终都会由GPU负责展示到监视器上。而这个过程中就离不开计算，计算每一个像素点的颜色信息。所以GPU是计算图像数据的单元。 说起计算，在我的理解里CPU就是专门用于做二进制运算的计算单元、控制单元，可以处理复杂的逻辑和依赖，那为什么还需要GPU呢？
作为脱胎于图论研究的热门研究领域，图神经网络（GNN）与经典的 WL 算法有诸多相似之处。众所周知，强大的 WL 算法对于聚合函数的单射性质有很强的要求，那么强大的 GNN 应该具备哪些性质呢？研究大热下， GNN 面临哪些“天花板”？未来的重点研究方向又在哪？
垃圾回收对于Javaer来说是一个绕不开的话题，工作中涉及到的调优工作也经常围绕垃圾回收器展开。面对不同的业务场景没有一个统一的垃圾回收器能保证可GC性能。因此对程序员来说不仅要会编写业务代码，同时也要卷一下JVM底层原理和调优知识。这种局面可能因为ZGC的出现而发生改变，新一代回收器ZGC几乎不需要调优的情况下GC停顿时间可以降低到亚秒级。
在网络上进行社区检测时，有时我们不仅拥有实体之间的联系。这些实体代表了我们可能也想在网络可视化中代表的现实事物。
👆点击“博文视点Broadview”，获取更多书讯 深度学习最令人兴奋的应用之一是智能照片美化，例如为黑白图像着色、破损图片修复以及去模糊等。 以黑白图像着色为例，通过将 AI 与照片着色相结合，即使不会使用Photoshop 等图片编辑工具，为黑白照片着色也可以一键完成。 这具体是如何实现的？下面就来告诉你！ 1 颜色空间 当我们加载图像时，会得到一个3维（高度、宽度、颜色通道）数组，其中颜色通道的数据代表 RGB 颜色空间中的颜色，每个像素都有 3 个数字，表示该像素的红色、绿色和蓝色值。 在图1中
我们现在看到的水下图像都是模糊并且失真，这是因为光衰减和反向散射等现象会对可见度产生不利影响。为了解决这个问题，许多研究人员与学者都做出了努力，Cambride Consultants的DeepRay利用在100000个静止图像数据集上训练的GAN来消除由不透明玻璃板引起的失真，并且开源DeOldify项目采用了包括GAN在内的一系列AI模型来对旧图像和胶片进行着色和还原。在9月微软亚洲研究中心的科学家详细介绍了用于自动视频着色的端到端系统。去年，Nvidia的研究人员描述了一种框架，该框架仅可以从一个着色和带注释的视频帧中推断出颜色。并于6月推出了 Google AI 一种无需人工监督就能为灰度视频着色的算法。
在顶点、曲面细分和几何着色器执行它们的操作后，图元被裁剪并设置为光栅化，如前一章所述。管线的这一部分在其处理步骤中相对固定，即不可编程但有些可配置。遍历每个三角形以确定它覆盖哪些像素。光栅化器还可以粗略计算三角形覆盖每个像素的单元格区域（第5.4.2节）。与三角形部分或完全重叠的像素区域称为片元。
本文主要介绍了3D渲染中材质的相关知识，包括材质的通用属性、材质球结构、材质实例、材质属性、表面着色、光照模型和材质配置等。同时，也介绍了在渲染过程中，如何通过设置材质属性、光照模型和材质配置等，来实现模型的逼真渲染。
鱼羊 发自 凹非寺 量子位 | 公众号 QbitAI 这位胖友，你听说过“镜头恐惧”吗？ 包括但不限于，总是尽力躲避镜头，即使拍照也往往表情尴尬，笑不出来。 那感觉，就是人家拍照是回眸一笑百媚生： 我一上相就是“我是谁”、“我在哪”、“我在干什么”灵魂三连。 现在各种算法技术这么发达，就不能我往镜头前一站，相机自动帮我微笑到位吗？？？ 真别说，本老镜头恐惧症患者仔细查了查，发现这事儿还挺靠谱。 比如前面这张阮玲玉露齿而笑的照片，原片其实长这样： 嘴角这么一扬，老照片里的清冷美女，是不是就多了一些鲜活
代码：https://github.com/LiangliangNan/Easy3D
HotSpot按照分代收集，所以在不同代上产生了多种不同的收集器，随着时间的推移，有些已经弃用，有些已经成为经典，还有目前广泛使用的，如图1-19所示就是7个经典的垃圾收集器，其中G1是目前应用最为广泛的，还有一些是JDK8以上支持的垃圾收集器，图中并未展示，后面小结中会提到。
CCF-腾讯犀牛鸟基金由腾讯与中国计算机学会联合发起，旨在通过搭建产学合作平台，连接产业实践问题与学术科研问题，支持海内外优秀青年学者开展与产业结合的前沿科研工作。 2018年CCF-腾讯犀牛鸟基金共涵盖机器学习、计算机视觉及模式识别、语音技术、自然语言处理、大数据技术、区块链等6个重点技术领域，涉及31项研究命题。 未来，我们将分三期对研究命题进行详细介绍，欢迎青年学者关注了解，希望大家可以从中找到适合自己的申报命题。 一、机器学习 1.1 面向图数据的深度卷积网络研究 深度神经网络在基于网格数据（如图片
CCF-腾讯犀牛鸟基金由腾讯与中国计算机学会联合发起，旨在通过搭建产学合作平台，连接产业实践问题与学术科研问题，支持海内外优秀青年学者开展与产业结合的前沿科研工作。 2018年CCF-腾讯犀牛鸟基金共涵盖机器学习、计算机视觉及模式识别、语音技术、自然语言处理、大数据技术、区块链等6个重点技术领域，涉及31项研究命题。 未来，我们将分三期对研究命题进行详细介绍，欢迎青年学者关注了解，希望大家可以从中找到适合自己的申报命题。 一、机器学习 1.1 面向图数据的深度卷积网络研究 深度神经网络在基于网格数
precision 表示精度 lowp低、mediump中、highp高 很容易想到，精度越↑，效果越↑，但着色器速度↓ in vec2 vTexCoord; 表示接受顶点的输入的vTexCoord变量 uniform 统一变量,在着色器执行期间它的值是不变的 sampler2D 类型:2D纹理
其实在介绍抖音蓝线挑战特效那一章已经将到一个核心知识点Fbo，对，没错，当时做蓝线挑战特效用到的就是Fbo，接下来传送带特效也需要使用Fbo的保留上一帧功能
当一个广播站向一个很广的地区广播时需要使用中继器，用来转发信号，使得接收器都能接收到足够强的信号。然而，每个中继器所使用的频道必须很好地选择，以保证相邻的中继器不会互相干扰。要满足这个条件，相邻中继器必须使用不同的频道。
想象一个大的黑色三角形在白色背景上缓慢移动。当一个屏幕网格单元被三角形覆盖时，代表这个单元的像素值应该在强度上线性(“平滑”两个字打不出来)下降。在各种基本渲染器中通常发生的情况是，网格单元的中心被覆盖的那一刻，像素颜色立即从白色变为黑色。标准GPU渲染也不例外。请参见图5.14的最左侧列。
计算机图形学被称为计算机「三大浪漫」之一，这个 GitHub 仓库将帮助迷茫的你快速入门。
泛洪填充(Flood Fill)很多时候国内的开发者称它为漫水填充，该算法在图形填充与着色应用程序比较常见，属于标配。在图像处理里对二值图像的Hole可以通过泛洪填充来消除，这个是泛洪填充在图像处理中很经典的一个用途，此外还可以通过泛洪填充为ROI区域着色。这个在图像处理也经常用到。让我们首先看一下泛洪填充算法本身，然后再说一下在图像处理中的应用场景。 泛洪填充算法 通常泛洪填充需要从一个点开始，这个点可以随机选择的一点，但是一定要在填充区域内部，然后它就会进行四邻域或者把邻域寻找对周围像素完成填充，直到遇
创建一个新工程，在 Choose your project 时选择 native c++ 模板。
分享一篇关于聚类的文章：10种聚类算法和Python代码。文末提供jupyter notebook的完整代码获取方式。
本文介绍利用Python语言，实现基于遗传算法（GA）的地图四色原理着色操作。
公司的 APP 设计图仅有 iOS 版的，对于 Android 平台，它整体算是着色模式，但是在个人页面是全屏模式（沉浸模式），实现设计图时，我使用的是一个 Activity + 四个 Fragment 实现的。
用于可视化OpenGL ES设计的两个方面：作为客户端 - 服务器体系结构和作为管道。 这两种观点都可以用于规划和评估应用程序的体系结构。
之前我们通过YUV数据格式的处理知道，只要保留Y的数据，就是灰度的图片。但是OpenGL中处理的是RGB格式的数据，我们要如何去取得灰度图呢？ 我们可以通过公式，计算出新的RGB值，就是灰度的图片了。
GNN 表达能力的研究一直比较高深莫测的方向，刚入门的小白面对大量的数学公式和推导过程，肝完了还是不能明白其意义所在，心里出现了无数个小问号。但在我看来这个方向是实现从简单的使用GNN转变到深层次理解GNN的基石。莫慌，这篇文章会有大量的前置知识，以比较友好的方式带大家涉足 GNN 的表达能力，小编带你们：1）回答一条疑问，既然我们会使用 GNN了，那研究 GNN 的表达有啥实际意义？2）告诉大家 GNN 的表达能力是啥，通常用什么办法去衡量它；
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
