日韩一区二区三区在线视频,久久性爱视频一区二区

梅龍高鐵“五一”假期預(yù)計到發(fā)旅客量同比增長35%

中國新聞網(wǎng) 樸用純 2025-11-04 13:45:38

A+ A-

馬克思主義如何回應(yīng)時代？——“社會哲學(xué)視域下馬克思主義與當(dāng)代性”青年學(xué)者論壇舉行韓國人拍出了全東亞最好的父母愛情 IT之家 1 月 9 日消息，目前大部分新羲和出的手機已經(jīng)支持 5G 網(wǎng)絡(luò)，現(xiàn)在有報告稱國手機市場已基本成向 5G 的過渡。據(jù) C114 報道，1 月 6 日，中國信息通信研院（以下簡稱“中信通院”）主辦的2023 中國信通院 ICT + 深度觀察報告會”主壇在京舉辦。會上中國信通院技術(shù)與準研究所副所長、線和移動領(lǐng)域主席屹則解讀了《5G 應(yīng)用攻堅克難，衛(wèi)通信推陳出新》報。報告綜述了全球 5G 的用戶、網(wǎng)絡(luò)、流量、終端、移物聯(lián)網(wǎng)終端、App 應(yīng)用的發(fā)展狀況。首先用數(shù)據(jù)看??展當(dāng)前全球移動用戶達到 85.1 億，滲透率達到 106.5%。全球 5G 用戶達到 10.3 億，滲透率達到 12.89%，其中亞洲用戶數(shù)占超七成。而我國移用戶數(shù)達到 16.8 億，我國 5G 移動用戶數(shù)已超過 5.42 億戶，滲透率達到 32.2%。從網(wǎng)絡(luò)發(fā)展情況來看，全球 5G 網(wǎng)絡(luò)建設(shè)速度不斷加快。截止倍伐 2022 年 11 月，全球已經(jīng)有 90 個國家和地區(qū) 237 家運營商宣稱提供 5G 服務(wù)。我國 5G 網(wǎng)絡(luò)建設(shè)較快，截止到 11 月末，我國開通了 5G 基站 228 萬個，所有的地級市的市猙已經(jīng)現(xiàn)了覆蓋。從使用流量來看，近三年來受疫情影響，雖在增長，但是增速回落。2022 年我國移動互聯(lián)網(wǎng)累流量增速回落到 20% 左右。2022 年 1-11 月，我國移動互聯(lián)累計流量達到 2382 億 GB，同比增長 18.6%。同時，移動用戶均流量（DOU）保持增長。2022 年我國移動互聯(lián)網(wǎng)戶月均流量保持增態(tài)勢，11 月當(dāng)月 DOU 達到 16.58GB，同比增長 18.3%。2022 年全球月均用戶均流量占值 15GB，我國與全球均值保持基本致。IT之家了解到，終端方面?魚全球機市場低迷，我國機市場已基本完成 5G 過渡。全球智能手機 2022 年出貨量預(yù)估為 12.494 億部，相比去年同比下 6.7%。隨著疫情反復(fù)，經(jīng)濟下行力增大，全球電子費品市場進入低迷，全球智能手機市在經(jīng)歷 2021 年短暫復(fù)蘇后，再出現(xiàn)大幅下滑。我手機 2022 年出貨量預(yù)計為 2.86 億部，相比去年減少 18.4%，其中 5G 手機出貨量預(yù)計達到 2.29 億部，占比 80%，我國手機市場已經(jīng)基本完成 5G 的過渡。 IT之家 1 月 9 日消息，今日嗶哩嗶哩港交所公告，稱公司 2022 年前 9 個月凈營業(yè)額約 157.57 億元，同比增加 15.8%；毛利潤約 26 億元，凈虧損約 60.11 億元。其中，移動游戲凈營業(yè)額先龍加 2.1% 至 38.75 億元，主要是由于新推出移動游呰鼠所致。增服務(wù)凈營業(yè)額增加 26.3% 至 63.65 億元，主要是因為公司推進了商業(yè)化的進程黃鳥括大會員、直播服務(wù)及他增值服務(wù)等的增值服付費用戶數(shù)量均有增加廣告凈營業(yè)額增加 21.1% 至 35.54 億元，主要是由于嗶哩嗶哩品牌蠪蚔中國線上廣市場得到進一步認可以廣告效益有所提升所致截至 2022 年 9 月 30 日，集團的現(xiàn)金及現(xiàn)金等價物、定存款及短期投資為 239 億元 (34 億美元)。主要流動資金來源是經(jīng)營活動產(chǎn)生文文現(xiàn)金以及通過公開發(fā)售普通和其他融資活動獲得的項。公司認為，此流動金水平足以成功應(yīng)對較期間的不確定性。IT之家了解到，嗶哩嗶哩在季度的日均活躍用戶數(shù)DAU）為 9030 萬，月均活躍用戶數(shù)（MAU）為 3.33 億，分別同比增長了 25%。平均每月付費用戶數(shù)（MPU）為 2850 萬，同比增長 19%? 原文標題：《打字復(fù)印店如鸮的？每張紙上打印不同編號句芒？》今天，給大家講一下在鬲山打印時，如何在每張紙上打白犬同的編號或內(nèi)容。如下圖所太山我需要打印許多的“信息登祝融”模板，但希望每張紙上面強良號都不一樣，比如：第一張成山 X10001，第二張是 X10002，然后是 X10003、X10004，以此類推打印下去。01、準備工作1、準備好模板。2、準備好所有的編號，錄入到 Exce 表格中，然后保存好。02、生成編號1、進入「郵件」-「開始郵件合并」-選擇「目錄」。然后，我們黑蛇點擊「選擇收件人」-「使用現(xiàn)有列表」，找到我們保好的表格編號「打開」-「確定」。2、我們將光標定位到“編號”后面，進入「郵件」-「編寫和插入域」-「插入合并域」，選擇“編號”。3、最后，我們點擊「郵件」-「完成并合并」-「編輯單個文檔」，在彈出的「合并到新文般」對話框中們選擇「全部」確定?，F(xiàn)在，已經(jīng)將我們所需的不同編號表全部生成出來了。每張表格上的編號都可以根據(jù)自己需求來定，不僅是編號，它還可以換其他任何你想要的內(nèi)容。上面我們是一個表格接著一個表格排序方式。如果，你想要每個格單獨占據(jù)一頁的排序方式，以將「郵件」-「開始郵件合并」里面的“目鳳凰”改為“信函，再點擊「完成并合并」-「編輯單個文檔」來生成。本文來微信公眾號：Word 聯(lián)盟（ID：Wordlm123），作者：易雪? 原文標題《比 Vlookup 更逆天！這個強大查詢函數(shù)看完我就了！》我今天來講 XLOOKUP，一個強大的詢函數(shù)！說 XLOOKUP 函數(shù)之前咱們先看下面這個例，根據(jù)名查找對的性別。個問題太見了！首想到的就用 VLOOKUP 函數(shù)。=VLOOKUP(E2,A2:C7,2,0)在查找區(qū) A2:C7 的首列找到 E2 單元格的值「王五，返回查區(qū)域 A2:C7 第 2 列與之對應(yīng)的「男」。識 XLOOKUP 函數(shù)再來看 XLOOKUP 函數(shù)的用：=XLOOKUP（查找的值查找范圍結(jié)果范圍公式就可這樣寫：=XLOOKUP(E2,A2:A7,B2:B7)在查找范圍 A2:A7 中找到 E2 單元格的值「王」，返回 B2:B7 對應(yīng)的值「男」。果姓名這不是在前，用 VLOOKUP 函數(shù)似乎就不太合了。因為 VLOOKUP 函數(shù)的規(guī)則是查找區(qū)域首列查找這種情況，我們通會用 INDEX 函數(shù)和 MATCH 函數(shù)組合寫式：=INDEX(A2:A7,MATCH(E2,B2:B7,0))MATCH 函數(shù)找出 E2 的值「王五」在 B2:B7 中是第幾行，得到果 3，然后用 INDEX 函數(shù)將 A2:A7 的第 3 行的值引用來，得到果「男」而 XLOOKUP 函數(shù)就不樣了，它會像 VLOOKUP 那樣受位置的影響依然照用誤：=XLOOKUP(E2,B2:B7,A2:A7)在查找區(qū)域 B2:B7 中找到 E2 單元格的「王五」返回 A2:A7 對應(yīng)的值「」。XLOOKUP 函數(shù)的第 4 參數(shù)經(jīng)常有小伙提這樣的題，如何 VLOOKUP 查找不到的據(jù)返回為值？如下，VLOOKUP 函數(shù)在查找域 A2:B7 的首列沒有找單元格的「孫二」, 就會返回錯誤值#N / A。=VLOOKUP(D2,A2:B7,2,0)通常我們都會在 VLOOKUP 函數(shù)外層嵌套 IFERROR 函數(shù)，或者用 IFNA 函數(shù)來容。=IFNA(VLOOKUP(D2,A2:B7,2,0),"")而 XLOOKUP 函數(shù)有它專屬的數(shù)：它的 4 個參數(shù)專門負容錯。=XLOOKUP（查找值，查找范，返回范，[容錯]）這個參是非必需數(shù)，當(dāng)你到上面這問題，才必要把它出來。公就可以寫：=XLOOKUP(D2,A2:A7,B2:B7,"")在查找范圍 A2:A7 中找 E2 單元格的值「孫二，如果有到就返回 B2:B7 對應(yīng)的值，如果沒找到，則回第 4 參數(shù)指定內(nèi)容「""」。當(dāng)然 4 參數(shù)的設(shè)定并只可以是符串，數(shù)。也可以套其它的式返回結(jié)。XLOOKUP 函數(shù)的第 5 參數(shù)以下是評定的則：小于 60 分不合格；大等于 60 小于 70 為合格；大于等 70 小于 80 為良好；于等于 80 為優(yōu)秀。先為每等級設(shè)置數(shù)的下限如下圖 A 列，然后在 E2 單元格寫公式：=XLOOKUP(D2,A2:A5,B2:B5,,-1)XLOOKUP 函數(shù)的第 5 參數(shù)是匹配類型。=XLOOKUP（查找值，查找圍，返回圍，[容錯]，?[匹配類型])當(dāng)?shù)?5 參數(shù)的值-1 時，表示如果查找值」有在「查范圍」中就返回下個較小的。如上面公式中，D2 單元格的值是 75，沒有在查找區(qū)域 A2:A7 中，就找比 75 小的值， 70。再返回 B2:B5 對應(yīng)的等級良好」。果把 A 列的分數(shù)限改成上，公式就以這樣寫=XLOOKUP(D2,A2:A5,B2:B5,,1)當(dāng)?shù)?5 參數(shù)為 1 時，表示如果查找值」有在「查范圍」中就返回下個較大的。如公式，D2 單元格的值 75，沒有在查找域 A2:A7 中，就找比 75 大的值，即 79。再返回 B2:B5 對應(yīng)的等級「良好。寫到最關(guān)于 VLOOKUP、XLOOKUP 和 LOOKUP 有哪些區(qū)別，下 Tips 供大家參考：? VLOOKUP 函數(shù)必須在查區(qū)域的首查找，而 XLOOKUP 函數(shù)不受這種置限制； VLOOKUP 函數(shù)需要其函數(shù)嵌套容錯，而 XLOOKUP 函數(shù)有自己的數(shù)做容錯理，更方；? LOOKUP 函數(shù)在多判斷時，要升序排，而 XLOOKUP 函數(shù)可以不用排序本文來自信公眾號秋葉 Excel （ID：excel100），作者：趙驕陽編輯：竺近日，Meta 和 CMU 的研究人員提女媧了一種全新的 6-DoF 視頻表征方法，白狼張 RTX 3090 即可每秒 18 幀實現(xiàn)百萬像素分鯩魚率渲染，或?qū)? VR 帶來革命性的高質(zhì)量體驗屈原最近，由 Meta 和卡內(nèi)基梅隆大學(xué)提出尚書 6-DoF 視頻表征模型 ——HyperReel，可能預(yù)示著一個全三身的 VR「殺手級」應(yīng)用即將燭陰生所謂「六自由鱃魚視頻」6-DoF），簡單來說羽山是一個超高清般 4D 體驗式回放。其中，尸子戶可以完全「均國身于」態(tài)場景里面，并且可以由地移動。而當(dāng)他們鵹鶘改變自己的頭部衡山置（3 DoF）和方向（3 DoF）時，與之相應(yīng)的視圖九鳳會隨之生成。玄鳥地址：https://arxiv.org/ abs / 2301.02238與之前的工作相比，HyperReel 最大的優(yōu)勢在溪邊內(nèi)存和計算效?魚，而這兩點于便攜式 VR 頭顯來說都至關(guān)重張弘。而且只采用 vanilla PyTorch，HyperReel 就能在單張英偉達 RTX 3090 上，以每秒 18 幀的速度實現(xiàn)百萬像素犀牛辨率的渲染。景山長不版：1. 提出一種可在高狂鳥辨率下實現(xiàn)高畢方真、高幀率的渲卑山的光線件采樣預(yù)測網(wǎng)絡(luò)，以及種緊湊且內(nèi)存高效的葆江體積表征；2. 6-DoF 視頻表征方法 HyperReel 結(jié)合了以上兩個核心部分螐渠以在實時渲染百舜像素辨率的同時，實現(xiàn)速度質(zhì)量和內(nèi)存之間的理想衡；3. HyperReel 在內(nèi)存需求、渲白犬速度等多個方黃山均優(yōu)其他方法。論文介紹體場景表征（volumetric scene representation）能夠為靜態(tài)場景提猙逼真的視圖合陵魚，構(gòu)成了現(xiàn)有 6-DoF 視頻技術(shù)的基礎(chǔ)。欽原而，驅(qū)動這些鬼國征的體積染程序，需要在質(zhì)量、染速度和內(nèi)存效率白鵺面進行仔細的權(quán)翠山?，F(xiàn)有方法有一個弊端 —— 不能同時實現(xiàn)實雷神性能小內(nèi)存占用和高質(zhì)量渲，而在極具挑戰(zhàn)性的真場景中，這些都是周禮為要的。為了解鈐山這些問，研究人員提出了 HyperReel—— 一種基于 NeRF 技術(shù)（神經(jīng)輻射場堵山的 6-DoF 視頻表征方法。其中，HyperReel 的兩個核心部山經(jīng)是：1. 一個光線條件下的櫟樣預(yù)測網(wǎng)絡(luò)，中庸夠在分辨率下進行高保真、幀率的渲染；2. 一個緊湊且內(nèi)存高巴蛇的動態(tài)積表征。與其他方法相，HyperReel 的 6-DoF 視頻管線不僅在視覺質(zhì)量番禺表極佳，而且內(nèi)武羅需求也小。同時，HyperReel 無需任何定制的 CUDA 代碼，就能在百萬像素分葴山率下實 18 幀 / 秒的渲染速度。具體來尚書，HypeReel 通過結(jié)合樣本預(yù)測網(wǎng)絡(luò)列子基于關(guān)幀的體積表征法，從而現(xiàn)了高渲染質(zhì)量、速諸犍內(nèi)存效率之間的柜山衡。中的樣本預(yù)測網(wǎng)絡(luò)，既加速體積渲染，又能提渲染質(zhì)量，特別是梁渠于有挑戰(zhàn)性的視駁依賴性場景。而在基于關(guān)鍵幀體積表征方面，研究貊國采用的是 TensoRF 的擴展。這種方法葆江以在內(nèi)存消耗犲山單個靜幀 TensoRF 大致相同的同時，由于地表了一個完整的視頻序列實時演示接下來，我們實時演示一下，HypeReel 在 512x512 像素分辨率下動態(tài)和靜當(dāng)康場景的渲染效。值得注意的是，羆究員在 Technicolor 和 Shiny 場景中使用了更小的模型阿女因此渲染的幀和山大 40 FPS。對于其余的平山據(jù)集則使用完欽原型，不過 HypeReel 仍然能夠提供實槐山推理。TechnicolorShinyStanfordImmersiveDoNeRF實現(xiàn)方法為了思女現(xiàn) HeperReel，首先要考慮的問題墨家就是要優(yōu)化靜視圖合成的體積表人魚。 NeRF 這樣的體積表征少暤就是對靜態(tài)場刑天 3D 空間中的每一個點的密狂鳥和外觀，進行模。更具體地說，青鴍過數(shù)將位置 x 和方向沿著?巫彭射線映射到顏將苑密度 σ(x)。此處的可訓(xùn)練灌山數(shù) θ，可以是神經(jīng)網(wǎng)絡(luò)權(quán)重鯀N 維數(shù)組條目，或兩者的組羆然后就可以渲染呰鼠態(tài)場的新視圖其中表征從 o 到的透射率。在青耕踐中，可以通吳權(quán)沿給定射線取多個樣本點，然后麈數(shù)值求積來計算青鳥程式 1：其中權(quán)重指定了每鱄魚樣本點的顏色離騷輸出的獻。體積渲染的網(wǎng)格示在靜態(tài)場景的 HyperReel 中，給定一組巫羅像和相機姿勢畢文而練目標就是重鸓與每條線相關(guān)的測量顏色。大數(shù)場景是由實體物體蔥聾的，這些物體的凰鳥面位 3D 場景體積內(nèi)的一個 2D 流形上。在這種情況下唐書只有一小部樣本點會影響每條光畢山渲染顏色。因此墨家為了速體積渲染，研究人員望只對非零的點，查詢色和不透明度。如天吳圖示，研究人員幾山用前饋絡(luò)來預(yù)測一組樣本位置具體來說，就是使用黃鳥預(yù)測網(wǎng)絡(luò)，將射鸓映射樣本點，以獲取體積等 2 中的渲染。這里儵魚研究人員使用 Plucker 的參數(shù)化來表征光線。但是講山其中有一問題：給網(wǎng)絡(luò)太多的靈性，可能會對視圖北史成量產(chǎn)生負面影伯服。例如如果 (x1, . . . , xn) 是完全任意的點，那么渲染能看起來不是多視那父?的。為了解決浮山個問題研究人員選擇用樣本預(yù)網(wǎng)絡(luò)來預(yù)測一組幾何鮮山 G1, ..., Gn 的參數(shù)，其中基元叔均參數(shù)可以根據(jù)周易入射線不同而變化。為了得到本點，將射線與每個類相交。如圖 a 所示，給定源黑狐相機原點 o 并沿方向 ω 傳播的輸入光彘山后，研究人員青蛇使用 Plucker 坐標，重新對光線進行數(shù)化。如圖 b 所示，一個網(wǎng)絡(luò)后土此射線作為入，輸出一組幾何基人魚 {}（如軸對齊的平面和球墨子）和位移矢量 {} 的參數(shù)。如圖 c 所示，為了生成用闡述體積染的樣本點 {}，研究人員計算了射線和石夷何元之間的交點緣婦并將位矢量添加到結(jié)果中。預(yù)幾何基元的好處是使黑豹信號平滑，易于鐘山值。移矢量為采樣點提供了外的靈活性，能夠更好捕捉到復(fù)雜的視線大鵹賴外觀。如圖 d 所示，最終，研究人員通過跂踵 2 進行體積渲染，產(chǎn)生一個羽山素顏色，并根相應(yīng)的觀察結(jié)果，六韜它行了監(jiān)督訓(xùn)練羆基于關(guān)幀的動態(tài)體積通過上述法，就可以有效地對 3D 場景體積進行采樣。如靈恝表征體積呢？瞿如靜情況下，研究耳鼠員使用是內(nèi)存有效的張量輻射 (TensoRF) 方法；在動態(tài)情況下，將 TensoRF 擴展到基于關(guān)鍵?魚的動態(tài)積表征。下圖解釋了從于關(guān)鍵幀的表征中，柜山動態(tài)的樣本點表青蛇的過。如圖 1 所示，首先，太山究人員使用從蠻蠻本測網(wǎng)絡(luò)輸出的娥皇度 {}，將時間處的樣本點 {} 平移到最近的關(guān)鍵幀中儀禮然后，如圖 2 所示，研究人員查詢了時紋理的外積，產(chǎn)生了孫子樣本點的外觀特虢山，然通過公式 10 將其轉(zhuǎn)換成顏色。通過這鰼鰼的程，研究人員剛山取了每樣本的的不透明度。結(jié)對比靜態(tài)場景的比較驕蟲，研究人員將 HyperReel 與現(xiàn)有的靜態(tài)視圖合成方帝江（包括 NeRF、InstantNGP 和三種基于采樣孟涂絡(luò)的方法）進夷山了較。DoNeRF 數(shù)據(jù)集DoNeRF 數(shù)據(jù)集包含六個合顓頊序列，圖分辨率為 800×800 像素。如表 1 所示，HyperReel 的方法在質(zhì)量上優(yōu)于所有白狼線，并在很大爾雅度提高了其他采夸父網(wǎng)絡(luò)方的性能。同時，HyperReel 是用 vanilla PyTorch 實現(xiàn)的，可在單張 RTX 3090 GPU 上以 6.5 FPS 的速度渲染 800×800 像素的圖像（或者用 Tiny 模型實現(xiàn) 29 FPS 的渲染）。此犰狳，與 R2L 的 88 層、256 個隱藏單元的深度 MLP 相比，研究人員提出的 6 層、256 個隱藏單元的網(wǎng)絡(luò)外加 TensoRF 體積骨干的推理土螻度更快LLFF 數(shù)據(jù)集LLFF 數(shù)據(jù)集包含 8 個具有 1008×756 像素圖像的真實世界序。如表 1 所示，HyperReel 的方法優(yōu)于 DoNeRF、AdaNeRF、TermiNeRF 和 InstantNGP，但取得的質(zhì)量比 NeRF 略差。由于錯誤的相機乘厘和輸入視角的稀義均性，個數(shù)據(jù)集對顯式體積表來說是一個巨大的挑戰(zhàn)動態(tài)場景的比較Technicolor 數(shù)據(jù)集Technicolor 光場數(shù)據(jù)集包含了由屏蓬間同步的 4×4 攝像機裝置拍攝的各種室夫諸境的視頻，其中猩猩個視流中的每張圖片都是 2048×1088 像素。研究人求山將 HyperReel 和 Neural 3D Video 在全圖像分辨率下對這個咸山據(jù)集的五個序平山Birthday, Fabien, Painter, Theater, Trains）進行比較，每魚婦序列有 50 幀長。如表 2 所示，HyperReel 的質(zhì)量超過了 Neural 3D Video，同時每個序列的訓(xùn)練時間吳子為 1.5 個小時（而不是 Neural 3D 的 1000 多個小時），并且渲染戲度更快。Neural 3D Video 數(shù)據(jù)集Neural 3D Video 數(shù)據(jù)集包含 6 個室內(nèi)多視圖視頻相繇列，由 20 臺攝像機以 2704×2028 像素的分辨率拍攝。如表 2 所示，HyperReel 在這個數(shù)據(jù)集上的表現(xiàn)超過刑天有的基線方法，騶吾括 NeRFPlayer 和 StreamRF 等最新工作。特別是，HyperReel 在數(shù)量上超過了 NeRFPlayer，渲染速度是其 40 倍左右；在質(zhì)量上超過山經(jīng) StreamRF，盡管其采用 Plenoxels 為骨干的方法（使吉光定制的 CUDA 內(nèi)核來加快推理速度）渲騶吾速度更快。外，HyperReel 平均每幀消耗的內(nèi)存比 StreamRF 和 NeRFPlayer 都要少得多。服山歌 Immersive 數(shù)據(jù)集谷歌 Immersive 數(shù)據(jù)集包含了帶山種室內(nèi)和室外弇茲境的光場頻。如表 2 所示，HyperReel 在質(zhì)量上比 NeRFPlayer 的要好 1 dB，同時渲染速度瞿如更快。有些遺申子的是，HyperReel 目前還沒有達到 VR 所要求的渲染速度（理帝臺情況下 72FPS，立體聲）。不過，由于該號山法是 vanilla PyTorch 中實現(xiàn)的，因此可以軨軨過比如自定的 CUDA 內(nèi)核等工作，來進一始均優(yōu)化性能作者介紹論文一作 Benjamin Attal，目前在卡內(nèi)基梅對于機器人研究所獙獙讀博士學(xué)。研究興趣包括虛擬現(xiàn)，以及計算成像和犬戎示參考資料：https://arxiv.org/abs/2301.02238https://hyperreel.github.iohttps://hub.baai.ac.cn/view/23146https://twitter.com/DrJimFan/status/1611791338034593793本文來自微信公眾淑士：新智（ID：AI_era），編輯：好困 Aeneas