1.[3D游戏开发实践] Cocos Cyberpunk 源码解读-目录结构
2.MMDetection3D之DETR3D源码解析：整体流程篇
3.[3D游戏开发实践] Cocos Cyberpunk 源码解读-开篇
4.Unity3D MMORPG核心技术：AOI算法源码分析与详解
5.完美解码设置源码输出完美解码设置
6.[技术随笔]🛠🛠从源码安装Pytorch3D详细记录及学习资料

[3D游戏开发实践] Cocos Cyberpunk 源码解读-目录结构

       在深入解读Cocos Cyberpunk源码之前，完美首先，码完美解码让我们打开scene-game-start场景，设置启动游戏预览，完美进入游戏场景。码完美解码点击START按钮，设置设计模式源码阅读游戏正式开始。完美漫游摄像机将带你漫游整个场景，码完美解码再次点击START，设置可以进入游戏。完美

       在电脑端按ESC键或手机端点击设置按钮，码完美解码查看操作说明。设置接下来，完美让我们浏览Cocos Cyberpunk项目的码完美解码目录结构。在左下角的设置Assets窗口中，我们可以看到项目文件的分层。

       首先，animations目录中仅包含用于场景漫游的摄像机动画文件。LightFX目录存储了光照贴图，这些是光照烘焙系统自动生成的，无需手动修改。res目录是整个游戏资源的集中地，包括动画、特效、模型、shader、UI、音效等资源。放量下跌源码

       resources目录则存放动态加载的资源，当前内容较少，随着游戏的完善，资源将会增多。scene目录包含了环境反射探针文件，与场景文件名对应的文件夹存放反射贴图。scene-development目录则包含一些用于单元测试的开发场景。

       scripts目录存放所有游戏逻辑脚本，而src目录可能包含项目开发过程中的测试文件。test目录同样是用于测试的，存放的文件与项目无关。scene目录则是游戏主场景，而scene-game-start则为游戏启动场景，进行UI逻辑初始化，并加载游戏主场景。

       自定义管线以编辑器扩展的形式存在，可将其移至项目中。管线对应自定义管线，通过在场景中新建节点并添加pipeline/graph/pipeline-graph.ts组件来查看可视化管线图。实时探针相关组件在反射探针节点上挂载，提供实时更新功能。

       反射探针节点上的ReflectionUtils脚本组件实现了实时更新探针的逻辑，适用于需要实时探针的项目。此外，Cocos Cyberpunk还实现了SphereProjection修正，使得反射更符合物体形状。

       静态遮挡剔除机制在Cocos Cyberpunk中实现，c queque源码通过将可见关系预存入空间格子，渲染时直接查表获得渲染列表，极大提升效率。这一部分主要在scene场景中的static-occlusion-culling结点中处理。

       机型适配策略在Cocos Cyberpunk中实现，根据设备性能选择渲染效果，确保流畅帧率。处理了不同设备上的效果调整，包括性能开关策略、机型分档策略，主要在href-settings.ts、gpu.ts和gpu-mobiles.ts文件中实现。

       游戏逻辑方面，Cocos Cyberpunk包含完整的TPS游戏逻辑，init节点包含了特效、UI、对象池等节点，挂载的init.ts脚本组件确保游戏逻辑在主场景加载后持续运行。接下来，我们将对游戏逻辑相关源码进行深入解读。

MMDetection3D之DETR3D源码解析：整体流程篇

       关于torch.distributed.launch的更多细节： blog.csdn.net/magic_ll/...

       设置config file和work dir，work dir保存最终config，log等信息，work dir默认为path/to/user/work_dir/

       作者将自定义的部分放在 'projects/mmdet3d_plugin/' 文件夹下，通过registry类注册模块，这里利用importlib导入模块并初始化自定义的类。

       这里设置模型的筹款网站源码输出信息保存路径、gpus等模型的运行时环境参数

       这里初始化模型，初始化train_dataset和val_dataset

       这部分完成了DataLoader的初始化，runner和hooks的初始化，并且按照workflow运行runner。

[3D游戏开发实践] Cocos Cyberpunk 源码解读-开篇

       Cocos Cyberpunk是Cocos引擎官方团队精心打造的一款完整开源第三人称射击类3D游戏，旨在展示引擎的重度3D游戏制作能力，增强社区的学习动力。此游戏支持Web、iOS、Android等多平台发布。

       本系列文章将对Cocos Cyberpunk的源码进行深入解读，帮助读者提高学习效率，加速在3D游戏开发领域的进步。

       如需获取源码，请访问工程源码免费下载页面。

       麒麟鸽，即我，将在此系列文章中，分享如何在3D游戏开发过程中充分利用Cocos Cyberpunk的技术资产，包括但不限于：

       完整TPS游戏核心

       尽管角色控制尚有提升空间，Cocos Cyberpunk已具备完整的射击游戏逻辑，可作为学习资源或项目开发的基础。

       机型适配机制

       3D游戏对设备性能要求较高，Cocos Cyberpunk中实现了机型分档和性能开关策略，帮助开发者在不同设备上调整画质和保持帧率。

       自定义管线

       借助Cocos Creator 3.7提供的全新自定义管线，Cocos Cyberpunk实现了一个良好的公信包源码隔离性解决方案，可直接复用或作为研究新管线的案例。

       加强版反射探针

       预先烘焙的反射探针，简化了物体反射周围景物的实现，且性能优化显著，是不可多得的实用特性。

       静态遮挡剔除（PVS-SOC）

       通过预存可见关系，Cocos Cyberpunk实现了快速渲染物体的机制，尤其适用于建筑密集的场景，显著提升了效率。

       更多技术资产

       考虑到时间有限，Cocos Cyberpunk中未使用光照探针和LOD，但未来我将寻找合适案例进行分享。我相信，此项目还蕴含更多技术宝藏等待挖掘。

       在接下来的文章中，我将深入研究以上技术点，并与大家共同探讨学习，期望能为你的3D游戏开发之路提供助力。

Unity3D MMORPG核心技术：AOI算法源码分析与详解

       Unity3D是一款跨平台的游戏引擎，在游戏开发领域应用广泛。MMORPG（大型多人在线角色扮演游戏）作为游戏开发的重要领域，在Unity3D中也得到广泛应用。玩家之间的交互是游戏开发中一个重要问题。如何高效处理这些交互？AOI（Area of Interest）算法提供了一个有效解决方案。

       AOI算法是一种空间索引算法，能够依据玩家位置快速确定周围玩家，从而提高交互效率。实现AOI算法通常采用Quadtree（四叉树）或Octree（八叉树），将空间划分为多个区域，每个区域可包含若干玩家。

       以下为AOI算法实现方法和代码解释。

       **实现方法

**

       将空间划分为多个区域（Quadtree或Octree）。

       玩家移动、加入或离开时，更新对应区域。

       玩家查找周围玩家时，遍历相关区域。

       **代码实现

**

       使用C#语言实现Quadtree。

       编写函数，实现玩家进入/离开、移动和查找玩家。

       通过上述方法和代码，AOI算法可以在MMORPG中高效处理玩家交互，优化游戏性能和玩家体验。

完美解码设置源码输出完美解码设置

       关于完美解码设置源码输出，完美解码设置很多人还不知道，

       1、有些用户会在完美解码，播放3D**，但**视频是3D的，字幕是2D，大大降低了观看效果。那么如何设置3D字幕效果，我们来教你怎么操作。

       2、首先我们将字幕加载到视频中去后，在画面右键菜单选择字幕-3D字幕，然后根据3D的类型选择左右或者上下字幕。

       3、如果效果还是不满意，那么请直接前往3D字幕设置中，对其进行深度的设置，比如三维景观深度，人像深度等。

       4、以上就是完美解码设置3D字幕的方法了，当然了你也可以建立一个字幕文件夹来专门存放字幕，以便下次加载视频的时候能够快速识别到字幕文件。

       本文讲解到此结束，希望对大家有所帮助。

[技术随笔]🛠🛠从源码安装Pytorch3D详细记录及学习资料

       这篇文章详细介绍了如何从源码安装Pytorch3D，包括选择合适的镜像、配置工具和编译步骤。首先，选择Pytorch 1.9的devel镜像，包含CUDA和驱动，确保与Pytorch3D的版本要求相匹配，比如Python 3.7和CUDA .2。在镜像内，需要检查nvcc编译器、CUDA工具箱和驱动是否正常，同时安装基本工具如git、vim、sudo和curl。

       配置CUB工具是关键步骤，根据Pytorch3D文档，需要在编译前设置CUB_HOME。即使Pytorch镜像自带CUDA，也建议手动设置`FORCE_CUDA`为1以确保兼容。接着，如果遇到conda依赖问题，作者选择从源码编译Pytorch3D，编译过程中的安装log和版本检查是必要的。

       最后，通过测试用例，如从ARkit导出数据并渲染白模，验证GPU的使用。结果显示GPU正常工作，安装成功。对于更深入的Pytorch3D使用，作者还分享了一些参考资源，以便初学者入门。

3d稀疏卷积——spconv源码剖析（三）

       构建Rulebook

       下面看ops.get_indice_pairs，位于：spconv/ops.py

       构建Rulebook由ops.get_indice_pairs接口完成

       get_indice_pairs函数具体实现：

       主要就是完成了一些参数的校验和预处理。首先，对于3d普通稀疏卷积，根据输入shape大小，kernel size，stride等参数计算出输出输出shape，子流行稀疏卷积就不必计算了，输出shape和输入shape一样大小

       准备好参数之后就进入最核心的get_indice_pairs函数。因为spconv通过torch.ops.load_library加载.so文件注册,所以这里通torch.ops.spconv.get_indice_pairs这种方式来调用该函数。

       算子注册：在src/spconv/all.cc文件中通过Pytorch提供的OP Register(算子注册的方式)对底层c++ api进行了注册，可以python接口形式调用c++算子

       同C++ extension方式一样，OP Register也是Pytorch提供的一种底层扩展算子注册的方式。注册的算子可以通过 torch.xxx或者 tensor.xxx的方式进行调用，该方式同样与pytorch源码解耦，增加和修改算子不需要重新编译pytorch源码。用该方式注册一个新的算子，流程非常简单：先编写C++相关的算子实现，然后通过pytorch底层的注册接口（torch::RegisterOperators），将该算子注册即可。

       构建Rulebook实际通过python接口get_indice_pairs调用src/spconv/spconv_ops.cc文件种的getIndicePairs函数

       代码位于：src/spconv/spconv_ops.cc

       分析getIndicePairs直接将重心锁定在GPU逻辑部分，并且子流行3d稀疏卷积和正常3d稀疏卷积分开讨论，优先子流行3d稀疏卷积。

       代码中最重要的3个变量分别为：indicePairs，indiceNum和gridOut，其建立过程如下：

       indicePairs代表了稀疏卷积输入输出的映射规则，即Input Hash Table 和 Output Hash Table。这里分配理论最大的内存，它的shape为{ 2,kernelVolume,numAct}，2表示输入和输出两个方向，kernelVolume为卷积核的volume size。例如一个3x3x3的卷积核，其volume size就是(3*3*3)。numAct表示输入有效(active)特征的数量。indiceNum用于保存卷积核每一个位置上的总的计算的次数，indiceNum对应中的count

       代码中关于gpu建立rulebook调用create_submconv_indice_pair_cuda函数来完成，下面具体分析下create_submconv_indice_pair_cuda函数

       子流线稀疏卷积

       子流线稀疏卷积是调用create_submconv_indice_pair_cuda函数来构建rulebook

       在create_submconv_indice_pair_cuda大可不必深究以下动态分发机制的运行原理。

       直接将重心锁定在核函数：

       prepareSubMGridKernel核函数中grid_size和block_size实则都是用的整形变量。其中block_size为tv::cuda::CUDA_NUM_THREADS,在include/tensorview/cuda_utils.h文件中定义，大小为。而grid_size大小通过tv::cuda::getBlocks(numActIn)计算得到,其中numActIn表示有效(active)输入数据的数量。

       prepareSubMGridKernel作用：建立输出张量坐标(通过index表示)到输出序号之间的一张哈希表

       见：include/spconv/indice.cu.h

       这里计算index换了一种模板加递归的写法，看起来比较复杂而已。令：new_indicesIn = indicesIn.data()，可以推导得出index为：

       ArrayIndexRowMajor位于include/tensorview/tensorview.h，其递归调用写法如下：

       接着看核函数getSubMIndicePairsKernel3：

       位于：include/spconv/indice.cu.h

       看：

       上述写法类似我们函数中常见的循环的写法，具体可以查看include/tensorview/kernel_utils.h

       NumILP按默认值等于1的话，其stride也是gridDim.x*blockDim.x。索引最大值要小于该线程块的线程上限索引blockDim.x * gridDim.x，功能与下面代码类似：

       参考： blog.csdn.net/ChuiGeDaQ...