June
2020-02-01 11:41
像往常一样，我正在寻找最适合自己需求的解决方案，并找到了它。
我创建了一个TilesetEngine类，将其加载到QImages中（因为它很简单），对其进行处理，然后将它们转换为QPixmaps，在其中将它们分解为单独的图块并缓存在内存中以提高速度（微小的简单8x8图块的特权，没有内存占用）。该引擎允许您直接请求帧号，它将使用与请求的帧号匹配的动画图块渲染静态图像。
那是困难的部分，因为有大量的处理和后处理，但是通过这种方式，我创建了一个QQuickImageProvider，它充当了某种松散的桥梁，并允许在“ id”中添加其他选项，例如由于Qt Quick没有调用，因此在id中指定比例大小const QSize& requestedSize。这很容易做到。
将其注册到QML后，我只需输入一个id字符串，该id字符串指定了我希望引擎如何从动画帧，某些叠加层，哪个tileet等等渲染tileset的所有选项，以及id字符串告诉提供者我是否要缩放比例，还是要整个tileet图像还是仅需要单个tile ID。这也非常容易，非常有趣。
然后，为了获得更多乐趣，我在QML中加入了一个计时器，并要求动画中的所有帧都一一对应，然后循环播放。在这里，我可以观看动画以及图块或图块栩栩如生并生动活泼。
整个过程非常简单，容易并且充满乐趣。唯一困难的部分是引擎在像素处理方面确实很坚韧，但是QImage，QPaint，QPixelmap和QColor占用了大量工作量，因此如果不是Qt的便利类的话，可能会更加困难。
我很高兴自己从未碰过任何OpenGL东西或我的原始计划，即QQuickItem或QQuickPainted Item。这个解决方案既简单又完美，适合我需要做的所有事情，
热门帖子
相关问题
热门github
1
2
3
5
6
7
8
11
13
14
15
Mamba is a new state space model architecture showing promising performance on information-dense data such as language modeling, where previous subquadratic models fall short of Transformers. It is based on the line of progress on structured state space models, with an efficient hardware-aware design and implementation in the spirit of FlashAttention.
(翻译：Mamba 是一种新的状态空间模型架构，在信息密集型数据（例如语言建模）上显示出良好的性能，而之前的二次模型在 Transformers 方面存在不足。它基于结构化状态空间模型的进展，并本着FlashAttention的精神进行高效的硬件感知设计和实现。)