首页/文章/panellum

panellum配置项

2023-05-19
7563 分钟
...

以下是Panellum配置文件的所有可用配置项:

  1. type:指定场景类型,支持 equirectangular(全景图)、cubemap(立方体贴图)、multires(多分辨率图像)。

  2. panorama:指定全景图像的 URL 或者文件路径。

  3. cubemap:当场景类型设置为 cubemap 时,指定立方体贴图的 URL 或者文件路径。

  4. preview:指定预览图像的 URL 或者文件路径,该图像将在网页加载时显示,用户可以点击该图像进入全景浏览。

  5. autoLoad:自动加载场景,接受的值包括 truefalse,默认值为 false

  6. showZoomCtrl:指定是否显示缩放控件,接受的值包括 truefalse,默认值为 true

  7. showFullscreenCtrl:指定是否显示全屏控件,接受的值包括 truefalse,默认值为 true

  8. keyboardZoom:接受的值包括 truefalse,指定是否启用键盘缩放功能,默认值为 true

  9. mouseZoom:接受的值包括 truefalse,指定是否启用鼠标滚轮缩放功能,默认值为 true

  10. autoRotate:指定是否自动旋转,接受的值包括 0 或者一个正整数,表示自动旋转的速度,单位为度/秒,默认值为 0

  11. autoRotateInactivityDelay:指定在不活动状态下多长时间后开始自动旋转,单位为毫秒,默认值为 0

  12. autoRotateStopDelay:指定自动旋转停止后等待多长时间再重启自动旋转,单位为毫秒,默认值为 0

  13. yaw:指定场景的初始水平方向角度,单位为度,默认值为 0

  14. pitch:指定场景的初始垂直方向角度,单位为度,默认值为 0

  15. hfov:指定场景的初始水平视角,单位为度,默认值为 100

  16. minHfov:指定场景的最小水平视角,单位为度,默认值为 50

  17. maxHfov:指定场景的最大水平视角,单位为度,默认值为 120

  18. autoCrop:指定是否自动裁剪全景图像,接受的值包括 truefalse,默认值为 false

  19. crossOrigin:设置 XMLHttpRequest 的 crossOrigin 属性。

  20. output:设定输出格式,支持 webgl, css, canvas, svg 四种类型。

这些配置项可以根据需要自由组合使用,以创建符合需求的全景场景。

如果您觉得这篇文章有帮助,请点个赞吧~

分享文章

相关文章

更多文章 →
panellum2023-05-19
参数解读
{ "incar": { "multiRes": { "basePath": "https://els pub 01.oss cn hangzhou.aliyuncs.com/detection/202305/M0001/1A6F0D76625348/Panoramic", "cubeResolution": 2139, "extension": "jpg", "fallbackPath": "/fallback/%s", "maxLe...
AI2026-09-01
Deep Agents 01:何为 Agent Harness,以及如何开始
1、本篇任务:完成一份多步骤、带证据的技术调研 普通客服 Agent 的问题短、工具少、输出即时。技术调研或编码任务会持续很久,产生计划、搜索结果、文件和中间结论。Deep Agents 在 LangChain/LangGraph 之上预装规划、虚拟文件系统、上下文压缩和子 Agent,适合这类开放任务。 本课让 Agent 比较两种向量数据库,并交付一份可验证报告。 2、什么时候需要 Deep Agent 满足以下两项以上再考虑:任务...
学习
AI2026-09-01
Deep Agents 02:子 Agent、虚拟文件系统与长期记忆
1、本篇任务:让主管只看结论,让子 Agent 处理细节 技术调研会产生几十次搜索和大量文件。如果全部进入主管上下文,真正的目标会被噪音淹没。本课用两个子 Agent: 收集证据, 检查结论;主管负责计划与最终合成。 2、什么时候委派,什么时候直接调用工具 适合委派:子任务有多步;需要专门提示或工具;会产生大量中间结果;只需返回有限结论。不适合:一步查询;主管需要全部中间上下文;协调成本超过任务本身。 3、配置专门子 Agent Pyt...
学习
AI2026-09-01
Deep Agents 03:生产化、Sandbox、权限与上线验收
1、本篇任务:让 Deep Agent 在隔离环境中分析代码 只读研究 Agent 风险有限;编码 Agent 需要读写文件、安装依赖和执行测试。本课不讲如何让模型写更漂亮的代码,只讲执行环境、权限、恢复和上线验收。 2、先做威胁模型 资产包括源代码、用户文件、云凭证、生产网络和发布权限;攻击入口包括用户消息、仓库内容、网页、依赖包、MCP 返回和命令输出。 Prompt injection 不是靠一句 system prompt 解决...
学习
AI2026-09-01
LangChain 01:全景、原理与学习路线
1、本篇学完要得到什么 这一篇只解决三个问题:LangChain 到底负责什么;它与 LangGraph、Deep Agents、LangSmith 是什么关系;后面应按什么顺序学习。 贯穿整套课程的项目是“退款政策与订单助手”。它最终能够:回答知识库中的退款规则;查询当前用户的订单;生成结构化答复;对真正的退款操作进行人工审批;断线后恢复;通过评测后发布。 先记住一句话: 模型负责理解与生成,应用负责数据、权限、状态和副作用。 如果把...
学习
AI2026-09-01
LangChain 02:模型、消息与结构化输出
1、本篇任务:让模型输出成为程序可以依赖的合同 上一课只证明 Agent 能运行。本课暂时不接业务工具,只完成一个“客服分诊器”:输入用户问题,输出意图、紧急程度、是否需要人工和给用户的答复。 本课的核心不是学更多模型参数,而是理解三层合同:消息决定模型看到了什么;schema 决定程序期待什么;业务校验决定结果是否真的可用。 2、消息不是一段字符串,而是一条执行记录 一次工具型对话通常包含四种消息: | 类型 | 由谁产生 | 作用...
学习

评论

请登录后发表评论

去登录
加载评论中...