原道MP4全套图片资源，包括各种壁纸，界面，按钮，动画等等，分辨率为800x480，可供产品开发参考，没分了，大家支援点！

Unity像素相机 适用于Unity的分辨率独立像素完美相机。 该程序包简化了将Unity相机渲染为精确的像素单位的过程，以便与像素艺术或类似艺术风格（其中块状感是美学的一部分）一起使用。 产品特点 设置简单 实验透视相机支持 标准统一相机 像素完美相机 安装 克隆存储库或下载的UnityPackage。 可以将PixelCamera目录移动到统一项目中的所选位置。 基本用法 将Pixel Camera脚本附加到现有相机。 将“ Pixels Per Unit ”设置为适当的值，通常与用于资产的设置相匹配。 设置相机的Zoom Level 。 高级设置 相机材质-应用于相机输出的材质，

针对现有基于深度学习的图像超分辨率重建方法，其对细节纹理恢复过程中容易产生伪纹理，并且没有充分利用原始低分辨率图像丰富的局部特征层信息的问题，提出一种基于注意力生成对抗网络的超分辨率重建方法.该方法中生成器部分是通过注意力递归网络构成，其网络中还引入了密集残差块结构.首先，生成器利用自编码结构提取图像局部特征层信息，并提升分辨率；然后，通过判别器进行图像修正，最终将图像重建为高分辨率图像.实验结果表明，在多种面向峰值信噪比超分辨率评价方法的网络中，所设计的网络表现出了稳定的训练性能，改善了图像的视觉质量，同时具有较强的鲁棒性.

matlab精度检验代码ZYNQ时间数字转换器 Red Pitaya Zynq-7010 SoC中的快速高分辨率时间数字转换器 作者：米歇尔·亚当尼克（Michel Adamic） 表现核心频率：350 MHz 延迟线抽头数：192（可配置） 每个通道的时间分辨率：> 11 ps 精度：<10 ppm DNL：-1至+4.5 LSB INL：+0.5至+8.5 LSB 测量范围：47.9毫秒死区时间：〜14 ns 最高速度：〜70 MS / s 档案 贸易发展局主项目，包含AXI TDC内核的设计。 使用VHDL源文件和3个Vivado配置的Xilinx IP（BRAM，BRAM控制器，AXI GPIO）。 需要包含“ MyPkg.vhd”。 AXI_TDC_IP Vivado创建的临时项目，用于将TDC打包到IP内核中。 TDC系统包含Zynq PS和多个TDC内核的顶层模块设计。 时钟：AXI互连期望100 MHz。 对于TDC内核，MMCME将其提高到350 MHz。 外部端口：每个TDC通道的命中信号。 模块“ testUnit”是用于测试的方波发生器，可以将其删除。 TDC通

针对光纤链路大量程、高精度时延的测量要求,提出了秒脉冲信号与频率信号同波长共传方案。该方案将秒脉冲计数法粗测与频率信号比相法细测的结果拼接组合,以实现对光纤链路真时延的高精度测量。搭建了实验测量系统,验证了粗、细测量结果的一致性,测量了剧烈温变条件下25 km光纤链路的绝对时延及其时延变化。实验结果表明,该方法能够将脉冲计数法的大量程优势和相位测量法高分辨率优势有效融合。

IIR 通过插值增加图像的大小B= IIR(inputfile,f) 返回存储在文件 'inputfile' 中的图像，分辨率在两个维度上都增加了因子 f。 'filename' 必须是有效的图形文件（jpg、gif、tiff 等）。 它可以是灰度或彩色。 参数“ f”是尺寸增加率，因此增加50％ 使用 f= 1.5，将尺寸加倍（在每个维度上）使用 f= 2。 附加参数： B= IIR(A,f,'Display','off') 消除了原始图像和修改后图像的显示。 默认“开” B= IIR(A,f,'Method',method) 允许在五种插值方法之间进行选择：线性、样条、pchip、三次或 v5cubic。 'method' 必须是字符串字符。 默认'线性' 例子： B= iir('myimage.jpg',2); 截图显示分辨率增加3的效果。原始尺寸：600x402。 之后：24

一个强大的老集成显卡不支持新显示器分辨率的强制修改工具！ 非常的好用。 做维护 二手的必备利器。 信不信由你！反正我是信了。 亲自测试有效。

DASR （CVPR-2021）我们的论文DASR的官方PyTorch代码：。 抽象的 如今，无监督超分辨率（SR）一直在飞涨，这是因为它在实际场景中具有实用性和前景可观的潜力。 现成方法的原理在于增强未配对数据，即首先生成对应于现实世界高分辨率（HR）图像的合成低分辨率（LR）图像$ \ mathcal {Y} ^ g $现实LR域$ \ mathcal {Y} ^ r $中的$ \ mathcal {X} ^ r $，然后利用伪对$ {\ mathcal {Y} ^ g，\ mathcal {X} ^ r} $用于在有监督的方式下进行的培训。 不幸的是，由于图像转换本身是一项极富挑战性的任务，因此这些方法的SR性能受到生成的合成LR图像和实际LR图像之间的域间隙的严重限制。 在本文中，我们提出了一种用于无监督的现实世界图像SR的新颖的域距离感知超分辨率（DASR）方法。 训练数据（例

winform窗体自适应大小，运行环境：Visual Studio 2017，.Net Framework 4.8； 用法简单，调用AutoSize 即可。 private static AutoSize autoSize; public Form1() { InitializeComponent(); autoSize = new AutoSize(); } private void Form1_Load(object sender, EventArgs e) { autoSize.controllInitializeSize(this); } private void Form1_SizeChanged(object sender, EventArgs e) { autoSize.controlAutoSize(this); }

输电线路异物数据集（4517+VOC），包含约4k张8k分辨率的高质量图像。已由我们整理好分为训练集、测试集，可直接用于YOLO