fix(latex): 修复中文引号渲染,''...'' → "..."(139处)
pandoc 转换将中文双引号变为两个ASCII单引号,导致LaTeX中 左右引号均渲染为右引号。替换为Unicode中文引号以正确显示。 Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
This commit is contained in:
@@ -2,9 +2,9 @@
|
||||
|
||||
\section{篇章导读}
|
||||
|
||||
三维数据是AI与物理世界之间最直接的桥梁。从建筑到城市规划,从景观到工业设计,空间理解始终是设计实践的核心能力。一架无人机飞过城市上空,激光雷达 (LiDAR) 每秒发射数十万束激光,返回的每一个点都在描述一个真实的空间坐标——这些点汇聚成点云,构成数字世界的三维基础。一个设计师用手机扫描房间,几秒钟后便得到完整的三维模型;一位规划师输入''现代化办公椅''的文本描述,AI便能生成一个可编辑的3D模型。
|
||||
三维数据是AI与物理世界之间最直接的桥梁。从建筑到城市规划,从景观到工业设计,空间理解始终是设计实践的核心能力。一架无人机飞过城市上空,激光雷达 (LiDAR) 每秒发射数十万束激光,返回的每一个点都在描述一个真实的空间坐标——这些点汇聚成点云,构成数字世界的三维基础。一个设计师用手机扫描房间,几秒钟后便得到完整的三维模型;一位规划师输入“现代化办公椅”的文本描述,AI便能生成一个可编辑的3D模型。
|
||||
|
||||
这些场景不再是科幻。从传统的多视图立体匹配 (MVS) 到神经辐射场 (NeRF),从三维高斯溅射 (3D Gaussian Splatting) 到大规模空间智能模型,三维AI正在经历从小模型到大模型、从感知到推理的范式跃迁。本章将带你走进三维数据的世界,理解AI如何''看见''和''重建''空间,并探索空间智能在设计领域的广阔应用。
|
||||
这些场景不再是科幻。从传统的多视图立体匹配 (MVS) 到神经辐射场 (NeRF),从三维高斯溅射 (3D Gaussian Splatting) 到大规模空间智能模型,三维AI正在经历从小模型到大模型、从感知到推理的范式跃迁。本章将带你走进三维数据的世界,理解AI如何“看见”和“重建”空间,并探索空间智能在设计领域的广阔应用。
|
||||
|
||||
|
||||
\section{三维数据表示}
|
||||
@@ -131,7 +131,7 @@
|
||||
\item
|
||||
内存消耗与分辨率的立方成正比
|
||||
\item
|
||||
分辨率有限时存在''方块效应''
|
||||
分辨率有限时存在“方块效应”
|
||||
\item
|
||||
适合3D卷积神经网络处理
|
||||
\end{itemize}
|
||||
@@ -703,7 +703,7 @@ MVS稠密匹配
|
||||
|
||||
\subsubsection{核心思想}
|
||||
|
||||
不再显式存储3D模型(点云/网格),而是用一个神经网络来''记住''整个三维场景:
|
||||
不再显式存储3D模型(点云/网格),而是用一个神经网络来“记住”整个三维场景:
|
||||
|
||||
\begin{lstlisting}
|
||||
传统: 场景 → 存储为点云/网格/体素
|
||||
@@ -859,7 +859,7 @@ NeRF的隐式表示虽然质量高,但速度慢、难以编辑。3D Gaussian S
|
||||
|
||||
\subsection{3D生成模型}
|
||||
|
||||
从2023年开始,AI不仅能''重建''已有场景,还能从零''生成''新的3D内容。
|
||||
从2023年开始,AI不仅能“重建”已有场景,还能从零“生成”新的3D内容。
|
||||
|
||||
\subsubsection{Text-to-3D (文本生成3D)}
|
||||
|
||||
@@ -1070,7 +1070,7 @@ print(f"颜色形状: {color.shape}, 密度形状: {density.shape}")
|
||||
|
||||
\subsection{从3D感知到空间推理}
|
||||
|
||||
前两节我们学习了AI如何''感知''和''重建''三维世界。空间智能 (Spatial Intelligence) 则更进一步——不仅要感知空间,还要理解和推理空间中的关系、规律与语义。
|
||||
前两节我们学习了AI如何“感知”和“重建”三维世界。空间智能 (Spatial Intelligence) 则更进一步——不仅要感知空间,还要理解和推理空间中的关系、规律与语义。
|
||||
|
||||
\begin{lstlisting}
|
||||
3D能力层次:
|
||||
@@ -1308,7 +1308,7 @@ AI增强GIS:
|
||||
\item
|
||||
数字孪生的四个层次在设计实践中分别对应哪些具体工具和方法?
|
||||
\item
|
||||
设想一个''认知孪生''校园,它能做哪些事情?需要哪些技术支撑?
|
||||
设想一个“认知孪生”校园,它能做哪些事情?需要哪些技术支撑?
|
||||
\end{enumerate}
|
||||
|
||||
\subsection{关键术语}
|
||||
@@ -1682,7 +1682,7 @@ print("城市模型已保存为 city_model.obj")
|
||||
\item
|
||||
\textbf{技术路线对比}:NeRF和3D Gaussian Splatting分别代表了隐式和显式的场景表示路线。请从设计应用的角度分析:哪些设计场景更适合NeRF,哪些更适合3DGS?未来两者会融合还是分化?
|
||||
\item
|
||||
\textbf{空间智能畅想}:设想你正在设计一个''AI空间设计师助手'',它能理解建筑平面图、3D模型和自然语言描述。请描述这个系统的核心功能模块,以及每个模块需要用到本章学到的哪些技术。
|
||||
\textbf{空间智能畅想}:设想你正在设计一个“AI空间设计师助手”,它能理解建筑平面图、3D模型和自然语言描述。请描述这个系统的核心功能模块,以及每个模块需要用到本章学到的哪些技术。
|
||||
\end{enumerate}
|
||||
|
||||
\section{关键术语}
|
||||
|
||||
Reference in New Issue
Block a user