技术文章

依靠 AI 完成指令式图像编辑的需求，广泛存在于视觉内容创意工作中。但此前，图像编辑模型在主体&背景保持、指令遵循等方面能力相对有限，导致编辑图像可用率不高。 图像编辑模型…

探索开发人员应了解的强大且可靠的 WebSocket 客户端工具。从调试实时应用程序到测试 WebSocket 服务器，这些工具简化了开发过程并提高了工作效率，千万不要错过这些重要…

这个系列文章我们来介绍一位海外工程师如何探索 OpenGL 音视频渲染技术，对于想要开始学习音视频技术的朋友，这些文章是份不错的入门资料，这是第 7 篇：OpenGL 变换。 ——…

由 LLM 驱动的 AI 代理在处理复杂业务任务方面展现出巨大潜力，尤其是在客户关系管理 (CRM) 等领域。然而，由于缺乏公开可用的真实业务数据，评估其实际效果颇具挑战性。现有的…

本文是vivo互联网大数据团队《vivo Pulsar万亿级消息处理实践》系列文章第1篇。 文章以Pulsar client模块中的Producer为解析对象，通过对Produce…

这个系列文章我们来介绍一位海外工程师如何探索 OpenGL 音视频渲染技术，对于想要开始学习音视频技术的朋友，这些文章是份不错的入门资料，这是第 6 篇：OpenGL 纹理。 ——…

NVIDIA 推出了Llama Nemotron Nano VL，这是一种视觉语言模型 (VLM)，旨在高效、精准地处理文档级理解任务。该版本基于 Llama 3.1 架构构建，并…

一夜之间，一个大型项目并入了 FFmpeg，为毫秒级延迟流提供了 WHIP muxer。 WHIP 是 WebRTC-HTTP Ingestion Protocol 的缩写，是一种…

本文带您了解 2025 年最流行的 10 种视频格式、了解每种格式的用途，以及如何为您的工作流程选择最佳格式。 10 种最流行的视频格式 1. MP4（.mp4） MP4 仍然统治…

尽管近期通过大规模视觉-语言-动作 (VLA) 模型实现机器人控制取得了进展，但实际部署仍然受到硬件和数据需求的限制。大多数 VLA 模型依赖于基于 Transformer 的主干…

本文将以更通用的方式解释着色器，特别是 OpenGL 着色语言。着色器是用类似 C 的语言 GLSL 编写的。GLSL 专为图形使用而设计，包含专门针对向量和矩阵操作的有用功能。

OpenGL 三角形入门。在本章中，我们将简要讨论图形管道，以及如何利用它来创建漂亮的像素效果。

人类天生通过视觉与听觉的关联来学习。例如，我们看到有人拉小提琴时，能意识到演奏者的动作正在产生我们听到的音乐。 麻省理工学院（MIT）等机构的研究人员开发了一种新方法，可提升人工智…

本文对WebRTC中的音频处理模块APM（Audio Module Processing）部分的框架、音频数据处理在其中进行处理的总体工作流程进行了简单的总结。

公众号“QT历险记” 发布了 Qt C++ 图像处理学习路线，内容包含基础学习阶段、进阶学习阶段、项目实战阶段和职业规划与就业阶段等内容。 基础学习阶段 掌握 C++ 基础 ：Qt…

这个系列文章我们来介绍一位海外工程师如何探索 OpenGL 音视频渲染技术，对于想要开始学习音视频技术的朋友，这些文章是份不错的入门资料，这是第 3 篇：OpenGL 窗…

近几个月来，人们对将扩散模型（最初设计用于图像等连续数据）应用于自然语言处理任务的兴趣日益浓厚。这促成了离散扩散语言模型 (DLM) 的发展，该模型将文本生成视为一个去噪过程。与传…

这个系列文章我们来介绍一位海外工程师如何探索 OpenGL 音视频渲染技术，对于想要开始学习音视频技术的朋友，这些文章是份不错的入门资料，这是第 2 篇：OpenGL 创建窗口。 …

这个系列文章我们来介绍一位海外工程师如何探索 OpenGL 音视频渲染技术，对于想要开始学习音视频技术的朋友，这些文章是份不错的入门资料，这是第 1 篇：OpenGL 简…

多模态大型语言模型 (MLLM) 作为能够处理各种视觉任务的多功能 AI 助手，已取得显著进展。然而，它们作为孤立的数字实体部署限制了其潜在的影响力。将 MLLM 集成到机器人和自…