AI视觉新突破：多角度理解3D世界的算法原理全解析
多视角条件扩散算法通过多张图片输入生成高质量3D模型，克服了单图建模背面细节缺失的问题。该技术模拟人类多角度观察方式，结合跨视图注意力机制与一致性损失优化，大幅提升几何精度与纹理保真度，成为AI 3D生成的重要突破。
FFmpeg开发笔记（三十）解析H.264码流中的SPS帧和PPS帧
《FFmpeg开发实战》书中介绍了音视频编码历史，重点讲述H.264的成功在于其分为视频编码层和网络抽象层。H.264帧类型包括SPS(序列参数集，含视频规格参数)，PPS(图像参数集，含编码参数)和IDR帧(立即解码刷新，关键帧)。SPS用于计算视频宽高和帧率，PPS存储编码设置，IDR帧则标志新的解码序列。书中还配以图片展示各帧结构详情，完整内容可参考相关书籍。
如何使用深度学习实现图像分类
深度学习在图像分类中扮演着核心角色，通过卷积神经网络（CNN）自动提取图像特征并分类。本文介绍深度学习原理及其实现流程，包括数据准备、构建CNN模型、训练与评估模型，并讨论如何在阿里云上部署模型及其实用场景。
FFmpeg开发笔记（四十八）从0开始搭建直播系统的开源软件架构
音视频技术广泛应用于直播系统，涵盖电视、电脑、手机直播等多种形式，并延伸至在线教育、医疗咨询和安全监控等领域。直播系统涉及实时编解码与传输，技术实现较复杂。从用户角度看，直播系统分为来源方和观看方，但在开发者视角下还需加入云平台作为中转。本文提出一套基于全开源软件的直播系统架构，分为三层：开源直播录制软件（如OBS Studio、RTMP Streamer），开源流媒体服务器（如SRS、ZLMediaKit），以及开源音视频播放器（如VLC media player、ExoPlayer）。这些组件共同构成一个高效、灵活且成本低廉的直播解决方案。
FFmpeg开发笔记（五十六）使用Media3的Exoplayer播放网络视频
ExoPlayer最初是为了解决Android早期MediaPlayer控件对网络视频兼容性差的问题而推出的。现在，Android官方已将其升级并纳入Jetpack的Media3库，使其成为音视频操作的统一引擎。新版ExoPlayer支持多种协议，解决了设备和系统碎片化问题，可在整个Android生态中一致运行。通过修改`build.gradle`文件、布局文件及Activity代码，并添加必要的权限，即可集成并使用ExoPlayer进行网络视频播放。具体步骤包括引入依赖库、配置播放界面、编写播放逻辑以及添加互联网访问权限。
