1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47

  

import bpy
import mathutils
import random

# 获取所有对象
objects = list(bpy.context.scene.objects)

# 清除当前选择
bpy.ops.object.select_all(action='DESELECT')

# 存储已经删除的对象，以避免重复删除
deleted_objects = set()

# 检测重叠对象并记录重叠对
overlap_pairs = []

for i, obj in enumerate(objects):
    if obj.name in deleted_objects:
        continue
    
    bbox_corners = [obj.matrix_world @ mathutils.Vector(corner) for corner in obj.bound_box]
    
    for j, other_obj in enumerate(objects):
        if i >= j or other_obj.name in deleted_objects:
            continue
        
        other_bbox_corners = [other_obj.matrix_world @ mathutils.Vector(corner) for corner in other_obj.bound_box]
        
        if (min(c[0] for c in bbox_corners) <= max(c[0] for c in other_bbox_corners) and
            max(c[0] for c in bbox_corners) >= min(c[0] for c in other_bbox_corners) and
            min(c[1] for c in bbox_corners) <= max(c[1] for c in other_bbox_corners) and
            max(c[1] for c in bbox_corners) >= min(c[1] for c in other_bbox_corners) and
            min(c[2] for c in bbox_corners) <= max(c[2] for c in other_bbox_corners) and
            max(c[2] for c in bbox_corners) >= min(c[2] for c in other_bbox_corners)):
            
            overlap_pairs.append((obj.name, other_obj.name))

# 随机删除每对重叠对象中的一个
for obj_name, other_obj_name in overlap_pairs:
    to_delete_name = random.choice([obj_name, other_obj_name])
    deleted_objects.add(to_delete_name)
    to_delete = bpy.data.objects.get(to_delete_name)
    if to_delete:
        bpy.data.objects.remove(to_delete, do_unlink=True)

阅读更多

第一个景观项目目前推进到了还差树木、花卉，我觉得这需要大量的图例来参考学习，找感觉。光靠文字解说局限性大，且见效慢。我想到的方法是在pinterest上找图丢给midjourney参考生产，一种是带url参考一种是describe获取关键词之后用关键词生产，后者的话自由度更高。我目前设计的程序是每次采用第一组–ar前的关键词去生产图，还没有结合图片url做参考，或许也可以考虑把第二个–ar和第一个–ar之间的内容分两次，那么一个链接理论上如果配套url可以生产3组。配套url我觉得关键词结合一次就好了，图片引导的作用会比较强。

阅读更多

前几天midjourney的生产工具我自认为达到了一个不错的效率，大概3小时中断一次，然而月末时突然恶化为30分钟左右就断了。在好几次测试中断后，我觉得可能要换个平台了，另一方面我在想究竟是哪里出了问题导致频繁的中断呢，于是笔记本下载了一个captura同时买了另一个midjourney生产工具。另一个版本的工具有个优点是它是网页，它不会像先前那个版本莫名其妙强退，目前为止从没有强退过。在实战中发现这玩意儿能自动检测频次，5分钟内发起/imagine /blend基本会失败驳回，但这不会打断midjourney auto python，最后我在captura的录像中观察到问题出在了/blend /imagine命令输入后需要有一定时间等待sleep(10)左右，之前我是直接连着回车键有时候可能是网络原因来不及加载出命令，这会导致回车空砍从而还没出图片输入框就发动了点击图片输入框的动作请求（如下图，由于blend命令回车没起做用，图片输入框没出来接着去点击点到了临近的图片，再接着图片地址就跑到地址栏去了，后续全部崩塌），从而导致后面的逻辑全部崩塌。在修改这里的sleep等待后，目前验证10几小时都没出现过崩塌。

阅读更多

去年年底试过suno自动作曲，我忘记了为什么当时没试用下去，可能那时还不支持歌词？前两天也不知道为啥想起来去摸这玩意儿，可能是在youtube听那些lofi集合实在是恶心，搞来搞去就那么点东西，自己的歌单也很有限。最近一直借用人工智能弄自动化，看到suno每天支持做5x2首歌（歌词相同版）于是我想挑战下用ai驱动开多账号来为自己生产歌单。当然这个想法不是纯粹想要苦行僧一样的挑战或是炫技，而是因为我大概用了一晚上在suno本身有600多积分的情况下，一次做歌是10积分，我一口气几乎都用完了，好像不是一晚而是1晚再加1天？总之在这个过程中，我生产了几首我觉得很不错的音乐，是那种我愿意反复循环的，我当时甚至是想付费来生产的。我的想法是如果每100首能产生2-3个好听的歌曲，那么买10000首就可以有200-300个了，这其实和midjourney暴力穷举筛选各种雕塑、景观、外立面设计一样就是设法用控制变量手法提高产出效率，当然前提是要量大管饱。

阅读更多

这两天开始测试midjourney自动blend批量生产建筑装饰创新，目前遇到的问题是经常会退出断线，断线频率在1小时左右，原因目前不明，要保证每组blend尽量少的损失么，把单次自动暂停设置为40分钟比较好，省的总是心里不踏实要两边跑。在下载方面为了避免频道闪退，在一开始保证prefer auto dm即可把输出给到midjourney bot而且这样做不用按u键放大，在浏览器打开图片，用copytab插件批量复制url，再用wfdownloadapp批量下载图片。大约50分钟停一下去房间里新开一个频道，然后o键继续，目前由于是刚开始还没适应这种模式，其实这个模式倒是蛮符合我开始设定的每天定时工作流的。

几天下来，差不多是一天200个图，这还是我有选择的下载并不是所有的图。目前我还没有明确的下载依据，就是随着眼缘。一开始用这套自动化程序的目的是为了产出新的建筑装饰、多样的房型排列、图案、雕塑。目前我还没有进一步对产出的图做系列扩展，在midjourney本身的体系是用vary strong/vary sutble来扩展，那样虽然连续性高，但是难以从住宅、办公楼、医院、学校、商场这样的不同建筑类型来形成系列。我们说罗马建筑、art deco建筑、中式建筑等等都伴随着一些建筑装饰、部件、图案、雕塑应用在不同功能的建筑上。比如希腊柱式用到艾欧尼亚建筑可以在市政厅、财宝储藏室、神殿、运动场、剧院等多种建筑上。在midjourney中的扩展，我的思路是/imagine a building/an apartment building/a city hall/a shopping mall + 图片链接 –iw 2-3 iw越高风格和原图越像，这样可以使一个局部装饰部件或者完整的建筑转化为指定的建筑类型，从而扩展出全系列建筑，甚至可以通过图片本身的特征自定义出一种全新功能的建筑。就好比剧院、运动场这些，中式建筑基本是空白，那有没有可能构造出来？更进一步就是构造出当今世界还不存在的建筑类型，那么是先有某种活动还是先有某种建筑？像下面3组图，一眼望去会觉得很诡异，确实有许多一时间难以用语言形容的部件、材质、布局、色彩、装饰手法，但同时很难去构思说这样的装饰传达了什么情感可以作为什么历史上从未出现过的建筑功能，衍生出独特的人文，这部分可以让文心一言ai试试看。

阅读更多

txt版本切分章节不能包含图片，而且大多数电子书不是txt而是pdf或者epub。最近找到个很强大的电子书网站汇书网，不少书都能找到文字型pdf。修改pdf15mb以内的可以上iLovePDF | Online PDF tools for PDF lovers上修改标题以确定章节分隔标识符，pdf切分还有个好处是可以保留书中的插图，然而kimi、百度、阿里的ai目前还无法解读图片内容，所以艺术建筑装饰绘画类的书籍没法给出更进一步的启发，不过现在图像识别技术已经很成熟了估计再过段时间会支持。我测试了下按照章节切割数理类的书籍让kimi解读，也可以获得概要以及让它扮演提问型研究员和出题老师促进学习。

阅读更多