N体模拟 受重力影响的物体动力学系统的算法和可视化,使用 Haskell 编写的真实星系相互作用模型。 直接模拟(O(n^2) 算法,其中通过考虑每个其他粒子来计算每个粒子上的力) Barnes-Hut Simulation (O(n log n)) 基于四/八叉树的算法,目前能够模拟超过 50,000 个物体) 基于 Plummer、Hemquist 和 Kuzmin 模型的蒙特卡罗采样的星系交互模型。 这使我们能够为球形和盘状星系生成真实的初始条件,以模拟它们之间的相互作用和碰撞。 使用 Barnes-Hut 模拟的模型 Plummer 模型的球状星系 太阳系 双星系统 三体系统 巴恩斯小屋模拟 Barnes-Hut 是一种高效的 N 体模拟算法,它允许我们在 O(log n) 时间内计算特定物体上的力,而不是 O(n),直接求和算法。 它依赖于递归地将我们的空间划分为 3
2021-12-19 00:26:37 64.88MB Haskell
1
蝴蝶飞舞动画非常逼真,蝴蝶飞舞的路线是利用SVG构造的。另外,动画使用了一张立体感很强的天空背景图,在蝴蝶飞舞的同时背景也跟着旋转,让蝴蝶飞舞时更加显得立体逼真。
2021-12-18 23:11:25 529KB html5 SVG
1
该特效仿真壁挂时钟,黑色的背景,看起来科技满满,整个画面看起来让人感觉很舒服,是时钟中的战斗精品时钟
2021-12-16 09:04:32 3KB 时钟 特效 炫酷 逼真
html5写的3D逼真圣诞树效果,HTML5确实是不错的一项新技术,简短的代码就能编写出如此级别的效果,确实不错。希望本代码能为学习HTML5的你带去一丝灵感。源码爱好者提醒:测试时请使用火狐浏览器,IE就至少使用9.0版本
2021-12-16 08:51:48 4KB html5源码
1
使用逼真的阴影实现高保真面部重影 侯安德,张泽,米歇尔·萨克斯(Michel Sarkis),毕宁,童以颖,刘晓明。 在2021年的CVPR中。 该项目的代码是使用Python 3和Tensorflow 1.9.0开发的。 训练有素的模型 要在输入图像和目标照明上运行我们训练有素的模型,请执行以下操作: python test_relight_single_image.py input_image_path target_lighting_path output_image_path gpu_id 下面提供了一个示例: python test_relight_single_image.py sample_images/01503.png sample_lightings/light_left.txt sample_outputs/01503_left.png 7 引文 如果您在工作中
2021-12-14 13:50:18 74.96MB hard-shadow relighting cvpr2021 Python
1
摘要:VC/C++源码,图形处理,图形绘制 运行环境:Windows/Visual C/C++
1
这是一款大师级的html5翻书效果(翻页效果),这种翻书效果使用了css3 3d transform属性和少量的js来实现鼠标hover书本时,书本打开动画。注意:必须是支持css3 3d transform属性的浏览器才有效果。IE10看不到效果。
2021-12-06 10:50:04 104KB CSS3库
1
这篇文章特别介绍如何使用CSS来完成水波纹的效果。 div的层层叠叠 虽然webkit具有遮罩的能力(webkit mask),不过webkit虽然强大,但在跨浏览器上总是它的罩门,况且在性能上也是往往会造成困扰(这也是为什么chrome要这么吃资源了),因此撇开webkit不谈,我们该用什么方法,才可以做出水波纹的效果呢?答案就是用“叠”的方式,这个水波纹效果的原理其实就是用六个div叠在一起,接着最重要的就是将背景设为固定:background-attachment:fixed;,然后让背景的尺寸有大有小,就可以完成了,只要把六个div叠在一起,搭配CSS的animation,就可以让六个
2021-12-02 16:06:40 139KB animation background calc
1
一个非常逼真的Canvas 3D地球旋转动画特效,支持鼠标拖动缩放查看地球,右下角有全屏查看按钮,点击全屏模式查看地球旋转效果。
2021-11-28 18:42:18 1.24MB 其他代码
1
颜世伟 我们的目标是创建一个能够生成现实中不存在的逼真的人类图像的模型。 (将来,我将在GAN及其变体上上传一些用例)。 这些AI背后的技术称为GAN,即“生成对抗网络” 。 与其他类型的神经网络(GAN)相比,GAN采取的学习方法不同。 GAN的算法体系结构使用了两个神经网络,分别称为生成器和鉴别器,它们相互“竞争”以产生所需的结果。 生成器的工作是创建看起来逼真的假图像,而鉴别器的工作是区分真实图像和假图像。 如果两者均能正常工作,则结果是看起来像真实照片的图像。 GAN架构: 数据集可以从以下下载: : 您可以在上关注本文,以逐步了解它,并检查我的以进行实施。 输入图像样本: 输出:
2021-11-24 19:58:06 10.25MB python deep-learning neural-network gan
1