Опушка единорогов

Последний школьный урок был про Brainfuck, было тяжко, но почти получилось реализовать деление числа на три (легко для случая когда число кратно трем, и ТЯЖЕЛО 💀 когда не кратно). Посмотрев на эти муки и страдания - youtube отметил видео как ⭕(точно не из-за fuck в названии), ничего, ПОДАЛ АПЕЛЛЯЦИЮ! 🕺 🕺 🕺

Из свойства сепарабельности вытекает подсказка к рассчету Евклидовой метрики, она не является сепарабельной, не является аддитивной (ведь если известны кратчайшие расстояния A-B и B-C - из этого не вывести A-C). Но давайте вместо sqrt(|x₁-x₂|^2 + |y₁-y₂|^2)…

Народ... Миссию Артемис никто не пробовал сшивать?👀

Народ... Миссию Артемис никто не пробовал сшивать?👀

Тем временем агенты Сэма пришли в личку и рекламят ChatGPT Pro подписку показывая результаты эталонного теста: write a shader for shadertoy.com that will draw an unicorn: four legs the horn the tail the rainbow

Зачем рассказывать очевидное, спросит давний подписчик... И будет прав, ведь это простой алгоритм, особенно для тех кто обладает хорошим образованием и знает про Индрика-зверя 🦄(например благодаря тому что подписан на ЛУЧШИЕ образовательные каналы, такие…

Зачем рассказывать очевидное, спросит давний подписчик... И будет прав, ведь это простой алгоритм, особенно для тех кто обладает хорошим образованием и знает про Индрика-зверя 🦄(например благодаря тому что подписан на ЛУЧШИЕ образовательные каналы, такие…

У гауссова размытия изображения есть приятное свойство сепарабельности (separable). Вместо O(w * h kernel_size * kernel_size) оно позволяет обработать изображение быстрее - за O(w * h * kernel_size). Благодаря тому что 2D ядро свертки (квадратной площади) с гауссовым ядром можно представить ввиде двух простых 1D сверток.

А чтобы АДРЕНАЛИН заиграл в сердце, чтобы увидеть БЕСКОНЕЧНУЮ всепронизывающую красоту триангуляции Делоне даже здесь, чтобы проникнуться выпуклым ТОРЖЕСТВОМ этой задачки - картинка для пристального вглядывания. Как минимум диаграмма Вороного в ней должна порадовать ваш взгляд (придумать решение это наверное не поможет, но даст лучше понять интуицию проблемы).

Зачем рассказывать очевидное, спросит давний подписчик... И будет прав, ведь это простой алгоритм, особенно для тех кто обладает хорошим образованием и знает про Индрика-зверя 🦄(например благодаря тому что подписан на ЛУЧШИЕ образовательные каналы, такие как этот или как например CSSpace). Но подумайте, а как решить эту задачу за O(w * h) если нас интересует L2 метрика, т.е. Евклидово расстояние? Если есть идеи - пишите в комментариях 🕺 🕺 🕺

Как быстро найти ближайший красный/черный пиксель? Представим что нас устраивает более простая - Манхэттоновская метрика: |x₁-x₂| + |y₁-y₂|. Т.е. нас интересует кратчайшее расстояние измеряемое в горизонтальных + вертикальных смещениях (т.е. шаг по диагонали = расстояние 2). Это можно посчитать за O(w*h) стандартным методом динамического программирования: init: d[y][x] = 0, если pixel[y][x] — красный пиксель d[y][x] = ∞ иначе forward pass: d[y][x] = min(d[y][x], d[y][x-1]+1, d[y-1][x]+1) backward pass: d[y][x] = min(d[y][x], d[y][x+1]+1, d[y+1][x]+1)

Прошлый пост был кстати больше в ироническом ключе, Сивка-бурка тоже хороший. И вообще... в целом можно понять и простить. НО ТРЕБУЕТСЯ УСИЛИЕ. Добавлю иллюзию полезного контента: В компьютерном зрении (например в задаче текстурирования) часто в рамках фотографии нужно посчитать Евклидово расстояние до ближайшей точки отмеченной в маске (на приведенной картинке такие пиксели - 🟥красные🟥), например это полезно чтобы найти силуэт объекта, его контур (occlusions) и поблизости с ним "бояться" брать текстуру с этой фотографии, т.к. легко промахнуться из-за неточной геометрии (и положить на дальнюю поверхность цвета ближней поверхности или наоборот).