WedX - журнал о программировании и компьютерных науках

Использование некоторого кода libGDX в собственном OpenGL ES 2.0

Я пытаюсь создать живые 3D-обои, используя собственный OpenGL ES 2.0. Но это слишком долго без использования каких-либо фреймворков. Поэтому я решил использовать libGDX. Я хочу использовать некоторые классы, такие как SpriteBatch, TextureRegion, OrthographicCamera и т. д. Как инициализировать его из родного OpenGL? Я знаю о libGDX - плагине живых обоев, но он слишком медленный для возобновления потока после паузы (около 1 секунды). Или, может быть, кто-то знает, как его ускорить.


  • Попробуйте использовать расширение обоев AndEngine :-github.com/nicolasgramlich/AndEngine 12.12.2012
  • Мне нужно создать 3D обои. AFAIK AndEngine был разработан для 2D-приложений. 12.12.2012
  • Да, но вы не упомянули об этом раньше. 12.12.2012

Ответы:


1

Я не думаю, что вы можете выборочно использовать только примитивы libGDX, не используя остальную часть инфраструктуры libGDX. Синхронизация и глобальные переменные, используемые в примитивах, зависят от инициализации и настройки остальной части фреймворка.

Я думаю, было бы лучше выяснить, что тормозит после возобновления для живых обоев. Я не думаю, что libGDX много делает на этом пути. (Он восстановит весь потерянный контекст OpenGL, но вам все равно придется делать это вручную.)

12.12.2012
  • У меня очень много больших изображений и каждый раз когда он восстанавливается уходит очень много времени! Как это предотвратить? Должен ли я уменьшить размер изображений? 13.12.2012
  • Да, восстановление больших изображений/текстур займет некоторое время и, вероятно, является источником вашего замедления (профайлер скажет вам более конкретно). Это тоже может помочь: developer.android.com/training/displaying-bitmaps/ index.html 13.12.2012
  • Новые материалы

    Объяснение документов 02: BERT
    BERT представил двухступенчатую структуру обучения: предварительное обучение и тонкая настройка. Во время предварительного обучения модель обучается на неразмеченных данных с помощью..

    Как проанализировать работу вашего классификатора?
    Не всегда просто знать, какие показатели использовать С развитием глубокого обучения все больше и больше людей учатся обучать свой первый классификатор. Но как только вы закончите..

    Работа с цепями Маркова, часть 4 (Машинное обучение)
    Нелинейные цепи Маркова с агрегатором и их приложения (arXiv) Автор : Бар Лайт Аннотация: Изучаются свойства подкласса случайных процессов, называемых дискретными нелинейными цепями Маркова..

    Crazy Laravel Livewire упростил мне создание электронной коммерции (панель администратора и API) [Часть 3]
    Как вы сегодня, ребята? В этой части мы создадим CRUD для данных о продукте. Думаю, в этой части я не буду слишком много делиться теорией, но чаще буду делиться своим кодом. Потому что..

    Использование машинного обучения и Python для классификации 1000 сезонов новичков MLB Hitter
    Чему может научиться машина, глядя на сезоны новичков 1000 игроков MLB? Это то, что исследует это приложение. В этом процессе мы будем использовать неконтролируемое обучение, чтобы..

    Учебные заметки: создание моего первого пакета Node.js
    Это мои обучающие заметки, когда я научился создавать свой самый первый пакет Node.js, распространяемый через npm. Оглавление Глоссарий I. Новый пакет 1.1 советы по инициализации..

    Забудьте о Matplotlib: улучшите визуализацию данных с помощью умопомрачительных функций Seaborn!
    Примечание. Эта запись в блоге предполагает базовое знакомство с Python и концепциями анализа данных. Привет, энтузиасты данных! Добро пожаловать в мой блог, где я расскажу о невероятных..


    Для любых предложений по сайту: [email protected]