對比圖模板的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和資訊懶人包

NFT投資聖經：全面即懂的終極實戰攻略，從交易、發行到獲利，掌握市值破千億的元宇宙經濟商機

為了解決對比圖模板的問題，作者TianaLaurence 這樣論述：

進入NFT世界的必備指南！ 從交易、發行到獲利， 透過STEP BY STEP教學 都在這本書裡！ ???? NFT到底紅什麼！？ 各領域專家、明星藝人、商業龍頭，甚至博物館都在玩！ 不只是藝術品和遊戲商品， 連素人自拍、鹹酥雞都可以是NFT⋯⋯ 它們交易金額簡直高得嚇人！！ ✦ 史上首個NFT數位畫作：Beeple的《每一天：最初的5000天》以69,346,250美元成交 ✦ 目前史上最貴NFT：Pak的《Merge》在2021年12月初以91,806,519美元售出 ✦ 周杰倫潮牌推出的PhantaBear總交易量突破104,545,041美元 ✦ 印尼學生自拍系列「Ghozali

Everyday」總交易量達約1,238,241美元 ✦ 師園鹽酥雞NFT從約1美元的發行價格，第一天的交易量就超過發行價格的100倍 更別說Twitter、NBA、LINE、HTC、故宮也跟上NFT風潮…⋯ ???? NFT到底是什麼！？ 非同質化代幣（non fungible token, NFT）是一個重大的經濟發明， 讓有創意的人不論身在何處，都能在創作並分享作品的同時還可以收取費用。 這種型態的交易出現的契機，部分原因是經濟受到2020年新冠肺炎病毒全球流行的影響， 2022年的市值更是突破百億美元！ ???? 但是！加密貨幣、非同質化代幣，傻傻分不清！？ 加密貨幣分很多種，最

知名的包括比特幣（Bitcoin, BTC）、以太幣（Ether, ETH）等， 你可以把它想成我們常用的新台幣、美元、日幣⋯⋯ 在技術層面上，它們與NFT唯一相似之處，就是都存放於區塊鏈上的數位紀錄。 區塊鏈上的任兩枚加密貨幣都是相同的，你可以將一枚比特幣與另一枚交換但其市值依然不變， 但每一個NFT都有其獨特價值，雖然可交易但並非僅僅互換那麼簡單。 ???? 所以⋯⋯NFT可以用來幹嘛呢！？ ✦ 當然是賺錢啦！ 前述的NFT作品看似普通，總交易量和成交價卻是以令人卻步的天價，成長時間和幅度也極其快速。 NFT熱起來還不到兩年，許多應用還只是冰山的一角，未來的發展不可限量，現在不入場還等什

麼時候呢！ ✦ 全新的投資、交易、創作模式 NFT集結了區塊鏈技術、智能合約與收藏品的概念，這充滿吸引力及潛在吸金力的新型數位資產，勢必顛覆我們買賣、追蹤名下財產的方式！ 如今，藝術創作者以及收藏家已經享受到這項新科技帶來的成果，未來這種交易方式將會成為常態。 ✦ 展現社交地位 買家重視NFT的原因有很多，對某些投資人來說，NFT是一種藝術的形式；對其他人來說，購買NFT可能是對他們的社交圈展現權力與參與度的信號。 所謂社交訊號（social signaling）是你屬於某個群體且因為持有特定物品而擁有崇高地位的概念。 ???? 為什麼你需要這本書？ 因為NFT代表了對藝術家、創作者與收

藏家有利的權力轉移， 了解最受追捧的NFT以及他們背後的創作歷程與理念是非常有幫助的！ 本書將協助你更深入地認識這席捲全球的NFT現象， 以及從這個新浪潮中獲益最多的人， 你同時也可以更了解究竟是誰迫不及待願意出高價收藏這種新型藝術。 Q：新手入場前應該先準備什麼？ A：你需要設定NFT錢包與交易所，讓你可以購買進而創造與賣出你的第一個NFT。 你可以透過容易上手、可愛的NFT遊戲《謎戀貓》，深入了解NFT是如何創造與交易的！ ➤請前往本書第2章 Q：NFT可以怎麼玩╱投資？ A：基本配備都準備好了之後，可以更深入探索NFT的世界了，在數個最受歡迎的平台上購買、創建與出售NFT。 就如使用

悠遊卡一樣，使用前需要事先儲值，本書會教你如何幫錢包注入資金，以及淺談3個讓你買賣甚至創建NFT的平台——OpenSea、Nifty Gateway和Rarible和其他7個常用NFT市集。 本書還涵蓋NFT投資的嶄新世界，你可以研究各式投資策略，包含物色NFT種類，同時介紹各項投資的相關規定與主管機關。 ➤請前往本書第4、5、12章 Q：NFT裡的錢包會不會被別人偷走？ A：當然會有一定的風險，畢竟是線上錢包，安全性註定比不上硬體錢包或實體錢包。 本書除了教你如何設定你的新錢包以及匯入資金，也會提供防止遭竊的一些TIPS。 ➤請前往本書第4章 Q：你的NFT值多少？ A：你可以用很多方式

決定一個NFT的價值，普遍的共識是任何資產的價值都建立在品牌、稀缺性或市場上。 NFT只是一個位於區塊鏈上證明所有權與出處歷程的紀錄，而且通常不會包含數位內容本身。 收藏品的價值與稀缺性相關，數位創作品的收藏變得相當具有挑戰性。 藉由讓藝術家發行限量版本，或甚至為原作創建代幣並把所有權賣給收藏者來修正這個問題。 這些NFT代表著資產的價值，換句話說，它們代表買家為了該資產所願意支付的金額。  ➤請前往本書第5章 Q：我也想販賣我自己做的NFT，可以怎麼做？ A：你需要先了解孕育了無數同質化與非同質化代幣的平台——以太坊，有助你更加了解NFT的基本特性，以及NFT如何與整個以太坊互動。 接著依

照我們的STEP BY STEP教學，在以太坊平台上鑄造你自己的代幣。 ➤請前往本書第6~11章 還有更多問題？ 趕快買一本看看吧！ ☆本書特色☆ ✓ 你不必讀完整本書，可以只針對想知道的部分看！ 你可以根據你較感興趣的主題如交易、挖幣或NFT的創意用法來開啟專屬於你的旅程。 你不必為了了解特定主題去讀完整本書， 如果有特定部分或章節接續著前面章節所提到的知識，我們會適時註明並引導你。 你想知道、需要知道的，都在這本書裡！ ✓ 本書將使用下列的圖示來提醒和標示重點： ???? 小撇步 TIP 「小撇步」提示捷徑或不會毀掉整個系統（到後面你就知道了）的簡易改編。 ???? 筆記 REMEM

BER 「筆記」標示特別重要，或是有助於避免後續觀念混淆的資訊。 ???? 科技宅專區 TECHNICAL STUFF 「科技宅專區」提醒你這裡較偏技術層面，為即使忽略也不影響大觀念理解的資訊。若你是3C白痴請迴避，科技狂則可以繼續往下看。 ⚠️ 注意 WARNING 「注意」表示看過來！這些重要資訊攸關你的時間、腦力、代幣，甚至友誼！

對比圖模板進入發燒排行的影片

融合彩色影像與點雲外型內文特徵之行人偵測方法

為了解決對比圖模板的問題，作者張立德 這樣論述：

行人偵測是高級輔助駕駛系統（Advanced Driver Assistance Systems，ADAS）中一項重要的功能。而近年來，有關行人偵測的研究中，混合圖像與點雲的方法成為了一個熱門的研究方向，因此本論文提出了一種結合二維影像和點雲的行人偵測方法。主要是利用深度學習網路在影像中偵測行人，再將二維影像中的候選區域投影至點雲空間中形成3D候選區域，之後在3D候選區域中得到候選物件並抽取其三維外型特徵，再使用形狀上下文 (shape context matching) 近一步辨識候選物體。本論文所提出的方法其具體步驟為: (一) 先以YOLOv4檢測出二維影像中行人之感興趣區域 (Reg

ion of interest, ROI)；(二) 在點雲中將地面點去除，以降低後續要處理的非必要點雲數量；(三) 再把二維影像中的ROI投影到點雲空間，形成3D ROI；(四) 對3D ROI 內的點雲做分群取得以取得候選物件；(五) 計算3D ROI內的候選物件的外型內文，並與行人模板庫比對，剔除辯識錯誤的ROI；(六) 輸出剔除後的ROI結果。本論文實驗使用KITTI資料集的點雲和彩色影像資料，取其中5個子資料集作為實驗數據。而在以YOLOv4作為對比的實驗結果中，其整體測試結果為: 精確度為69.43%，準確率為86.49%，而F1-Score為81.96%，這三個部份都略高於YOLO

v4，召回率則低於YOLOv4為77.87%。

機器視覺技術

為了解決對比圖模板的問題，作者陳兵旗 這樣論述：

　　本書分上下兩篇介紹機器視覺的構成、圖像處理方法以及應用實例。   　　上篇「機器視覺理論與演算法」包括：機器視覺、圖像處理、目標提取、邊緣檢測、圖像平滑處理、幾何參數檢測、Hough變換、幾何變換、單目視覺測量、雙目視覺測量、運動圖像處理、傅立葉變換、小波變換、模式識别、神經網路、深度學習、遺傳演算法。   　　下篇「機器視覺應用系統」包括：通用圖像處理系統ImageSys、二維運動圖像測量分析系統MIAS、三維運動測量分析系統MIAS 3D、車輛視覺導航系統。   　　本書匯集了圖像處理絕大多數現有流行演算法，以淺顯的圖文並茂的方法講解複雜的理論演算法，每個演算法都給出了實際處理案例

。   　　書中所講案例均來自生產實踐，都得到了實際應用的檢驗。   　　本書不僅適用於機器視覺和圖像處理專業理論結合實踐的教學，對於本科系及相關科系的課題研究人員和專業技術人員也具有重要的參考價值。

可重製摺剪造型適應型態研究

為了解決對比圖模板的問題，作者呂治佳 這樣論述：

　　透過文獻研究，歸納自適應性可分為Auto-adaptation自動適應性與Self-adaptation自身適應性兩種。在建築折板系統領域中，摺疊是建築產生適應性的其中一項方法，目前使用參數化軟體Grasshopper的摺疊模擬並沒有固定的標準操作，在模擬不同形態的折疊顯得不便利。對比相關文獻後，發現可重製的形狀記憶材料適合用來執行這種自身適應的需求，在整個可動式折板系統中，將其設定為鉸接材料，可以產生特定的功能性。因此，本研究想系統化模擬摺疊的方法，並以此基礎配合形狀記憶材料，發展出一個可重製的摺疊實體作品。　　本研究可分為「切割平摺紙之動態構造模擬」與「實際應用形狀記憶聚合物於自身適

應摺疊構造」兩個部分)。第一部分，探討如何系統化切割平摺紙之動態模擬。參考Daniel Piker利用Kangaroo Physic進行摺紙模擬的方法，以既有剛性平摺紙模擬演算為基礎，優化程式架構並額外延伸探討切割摺疊演算，簡化過去需要數十種輸入條件才能完成網格面生成的限制，在模擬不同狀態時無需重新編寫程式架構。第二部分，藉由紙張摺疊測試分析摺疊面的機構組合方式，藉此找出後續成品的摺疊樣態發展方向。思考不同設施與開口尺度對空間使用者感受的影響，同時對於開口的功能及形式做出分析。最後藉由形狀記憶環氧樹脂聚合物SMEP材料，以此為材料成為實體作品。　　本研究利用形狀記憶環氧樹脂聚合物SMEP來做出

多種變形，以此來達成使用者的需求產生可重製適應性，以同樣的形態發展出四種不同的可重製狀態。研究總結Grasshopper的摺疊模擬方法，比對其他模擬相關文獻，發現Kangaroo Physic能模擬力學互動，但模擬出的型態只會是近似值，若是追求精確，建議直接使用幾何關係來模擬摺疊；若是要追求效率，推薦使用本研究之方法。此外，本研究方法是直覺化的摺紙演算過程，特別與董泓慶〈自由曲面之摺紙模擬〉的逆向工程之演算法拿來對比相異之處。再者，本研究產生了割縫拉伸摺疊，可以破壞原表面的結構組成；配合形狀記憶材料的使用，可以直接硬化保留較為真實的摺疊型態，使彎摺處能自己產生固定的力量，同時提供彎摺時的自由性

以及硬化時維持形狀所需的強度。從建築適應性而言，認為面對自身適應性Self-adaptation課題時，可以嘗試利用記憶材料來完成，使其成為一種可回收重啟、可重製的設施。