为啥ue4 play之后有锯齿

Posted 2023-03-20

在ue4 ->Project Settings ->Rendering ->Default Settings-> Anti-Aliasing Method，将默认的None改为TemporalAA 参考技术A 放大后有锯齿的图叫做位图。
任何图像，不管它如何复杂，实际上都是由许许多多不同颜色的点组成的。如同用笔去画一幅精美的图画，实际只是在不同的位置上使用适当的颜色而已。
从理论上讲，任何一种颜色都可以用红（красный、rot）、绿（зелёный、grün）、蓝（синий、blau）三种基本颜色按照不同的比例混合而成。这就是我们通常所说的RGB三基色模型。我们在彩色显示器上看到各种颜色，就是利用这种原理把三基色混合而成的。
除了用RGB三基色模型，有些系统使用HSL模型来表示颜色。使用这种模型比较容易被画家们理解。H定义了颜色的色相（оттенок、Farbton）、S定义了颜色的纯度，也叫做饱和度（насыщение、Sättigung）、B定义了颜色的亮度（расторопность、Leichtigkeit）。
与一幅图像类似，一个电脑的屏幕包含了大量的叫像素的小亮点。像素在电脑的屏幕上按行和列的顺序排列，屏幕的分辨率由每行和每列的像素数量决定。一个1600*900的屏幕，在水平方向上显示1600个像素，同时在垂直方向上显示900个像素，共有1440000个像素。一般来说，屏幕的分辨率越高，屏幕包含的像素就越多，就越能细腻地显示图像。
为了显示最基本的图像，电脑必须控制每个像素的颜色。虽然每一个像素的颜色可以单独设定，但是在计算屏幕同时能显示的颜色数要受你使用的图形硬件的约束。有黑白两种颜色的单色图形系统，也有能显示多于1670万种颜色的真彩色系统，能同时显示的颜色的数目取决于在视频缓冲区中为每个像素留出的数据位的数目。在真彩色系统中，每一个像素由24位颜色信息来表示，其中红色、绿色、蓝色分别用八位表示。这样，R、G、B都有256个等级，数值越大，对应的颜色分量就越重。于是，三种基本色组合起来就可以表示大约1670万种颜色，一般来说，这么多种颜色已经足够了，再多了人眼也分辨不了。电脑中的标准16色包括：黑（чёрный、schwarz）、蓝、绿、蓝绿（голубовато-зелёный、bläulichesGrün）、红、品红（фуксиново-красный、Magenta）、深黄（темно-жёлтый、dunkelgelb ）、淡灰（светло-серый、hellgrau）、深灰（темно-серый、dunkelgrau）、淡蓝（голубой、hellblau）、淡绿（светло-зелёный、hellgrün）、淡蓝绿（Светло-голубовато-зеленый、Hellbläulichgrün）、淡红（светло-красный、hellrot）、淡品红（Светло-пурпурный、hellesMagenta）、黄（жёлтый、gelb）和高亮白（ярко-белый、reinesWeiß）。
一台电脑能够显示的像素和颜色越多，它产生的图像的质量越好。如果目的是在电脑的屏幕上产生像照片一样的图像，颜色最重要。
希望我能帮助你解疑释惑。本回答被提问者采纳

Tensorboard：为啥梯度图上有锯齿形图案？

【中文标题】Tensorboard：为啥梯度图上有锯齿形图案？

【英文标题】：Tensorboard: Why is there a zigzag pattern at gradient plots?Tensorboard：为什么梯度图上有锯齿形图案？

【发布时间】：2019-11-26 00:28:24

【问题描述】：

这是一张 conv2d 层（内核）的梯度图。它有一个我想理解的锯齿形图案。我的理解是梯度从小批量变为小批量。但是为什么它在每个时期之后都会增加呢？

我正在使用默认设置的 Keras Adam 优化器。我不认为这是原因。辍学和批量标准化。也不应该是这个原因。我正在使用图像增强，但这不会改变它的行为从批次到批次。

有人有想法吗？

【问题讨论】：

这个问题很难回答。依据什么数据？你到底是怎么适配的？请提供一个完整的最小可验证示例...

【参考方案1】：

我以前在 keras 指标中看到过这一点。

在这种情况下，问题在于指标在每个时期都保持一个运行平均值，并且它们向 TensorBoard 报告的是“迄今为止的平均值”。

这些毕业生如何进入 TensorBoard？您是否将它们传递给tf.keras.metrics.Mean？如果是这样，您可能想在其上调用“reset_states”。也许在custom callback 的on_batch_end 中。

【讨论】：

我正在使用 keras tensorboard 回调：keras.callbacks.TensorBoard