可用于UnityVR开发,3D游戏开发,高清天空盒子Skybox素材,游戏环境背景素材,无水印。 让你身临其境的天空盒子,各类题材丰富,都是辛苦搜罗所得的高清exr格式,可以直接用于Unity开发,特别是VR游戏的开发。 内景、外景、城市、乡间、日出,夜晚,欧式宫殿,中式园林,应有尽有,可以在我的下载频道选择需要的下载。 注意,由于是高清,所以体积较大(大的可以达到500M),请下载前预留合适的空间。 使用方法: 1-导入Unity后将图片的Shape转换成cube形式, 2-创建空Material,并转换成Cube/skybox形式, 3-将图片拖入新建的SkyboxMaterial, 4-用刚创建的Material代替项目中原本的系统默认Skybox
2022-05-02 14:09:40 312.12MB vr unity skybox 天空盒子
可用于UnityVR开发,3D游戏开发,高清天空盒子Skybox素材,游戏环境背景素材,无水印。 让你身临其境的天空盒子,各类题材丰富,都是辛苦搜罗所得的高清exr格式,可以直接用于Unity开发,特别是VR游戏的开发。 内景、外景、城市、乡间、日出,夜晚,欧式宫殿,中式园林,应有尽有,可以在我的下载频道选择需要的下载。 注意,由于是高清,所以体积较大(大的可以达到500M),请下载前预留合适的空间。 使用方法: 1-导入Unity后将图片的Shape转换成cube形式, 2-创建空Material,并转换成Cube/skybox形式, 3-将图片拖入新建的SkyboxMaterial, 4-用刚创建的Material代替项目中原本的系统默认Skybox
2022-05-02 14:09:34 335.22MB vr 文档资料 unity skybox
可用于UnityVR开发,3D游戏开发,高清天空盒子Skybox素材,游戏环境背景素材,无水印。 让你身临其境的天空盒子,各类题材丰富,都是辛苦搜罗所得的高清exr格式,可以直接用于Unity开发,特别是VR游戏的开发。 内景、外景、城市、乡间、日出,夜晚,欧式宫殿,中式园林,应有尽有,可以在我的下载频道选择需要的下载。 注意,由于是高清,所以体积较大(大的可以达到500M),请下载前预留合适的空间。 使用方法: 1-导入Unity后将图片的Shape转换成cube形式, 2-创建空Material,并转换成Cube/skybox形式, 3-将图片拖入新建的SkyboxMaterial, 4-用刚创建的Material代替项目中原本的系统默认Skybox
2022-05-02 14:09:33 234.93MB vr 文档资料 unity skybox
Park变换,park逆变换算法。坐标变换算法。包含.c.h文件 直接添加进工程可使用
2022-04-21 19:05:25 1KB 算法 c语言 开发语言
glacial_retreat 使用国家公园管理局(National Park Service)的数据跟踪近几十年来的冰川程度和植被变化,该数据显示了1966、1998、2005和2015年39个冰川的足迹,以显示近几十年来的冰川程度变化。
2022-03-08 10:06:42 68.26MB HTML
1
这是一个停车场收费小程序
2022-01-22 16:04:24 1.01MB JavaScript
1
介绍 该存储库包含一个CBIR(基于内容的图像检索)系统 提取查询图像的特征,并从图像数据库中检索相似的图像 第一部分:特征提取 在此系统中,我实现了几种流行的图像功能: 基于颜色 基于纹理 基于形状 深层方法 所有功能均已模块化 功能融合 某些功能不够健壮,请转向功能融合 降维 维数的诅咒告诉我们,高维向量有时会失去距离属性 第2部分:评估 CBIR系统根据特征相似度检索图像 系统的稳健性通过MMAP(平均MAP)评估,评估公式参考 图片AP:每次命中的平均精度 depth = K表示系统将返回前K个图像 top-K中的正确图片称为匹配 AP =(hit1.precision + hit2.precision + ... + hitH.precision)/ H class1 MAP =(class1.img1.AP + class1.img2.AP + ... + class1.
2021-12-22 11:33:14 2.22MB 系统开源
1
小学英语 2B Unit4 In the park教案 牛津版.doc
2021-10-23 13:02:12 74KB 小学教案
三相对称电流通过向dq坐标轴上投影得到的Id、Iq与通过park变换得到的Id、Iq有什么区别和联系么? - 知乎
2021-10-04 18:56:27 858KB 电机学
1
最佳拉丁超立方体 这个项目是关于在python函数中实现Park(1994)的最佳拉丁超立方体采样算法。 该代码的文档位于src / documentation中。 要运行代码,请在外壳中使用pytask-结果将位于bld文件夹中。 该项目的核心是位于src / model_code中的latin_hypercubes.py。 它包含遵循Park(1994)算法生成最佳拉丁超立方体的功能。 在第一阶段,该算法找到最佳的中点拉丁超立方体设计(OMLhd)。 在第二阶段,它以最佳方式释放每个单元中的点,以产生最佳的拉丁超立方体设计(OLhd)。 (第二阶段仍需要执行。)
2021-09-16 20:22:43 44KB JupyterNotebook
1