原标题：Google开源场景简化技术Seurat，助VR降低所需运算资源
对装置来说，可以省略计算那些观看者永远看不到的部分，等同于节省了大量运算资源
在2017年Google于I/O大会上发布Seurat，帮助开发者以及创作者，将高解析度的影像带进VR头戴装置中，并且提供完整的定位追踪功能。而今天Google于博客宣布开源Seurat专案，开发者可以在GitHub中取得程式码。
Google提到，Seurat是一种场景简化技术，从观看者的视野范围最佳化场景的多边形以及贴图资讯。Seurat会将画面的颜色RGBA以及深度资讯分开，以分层深度影像作为输入，并且产生贴图多边形模型，目标为将原本复杂的世界，最后简化成目标装置可接受的三角形数量以及贴图大小。
这个简化动作对将复杂场景放入VR应用非常有帮助，因为观看者在VR体验中，通常只能从受限制的区域观看虚拟世界，那对于装置来说，可以省略计算那些观看者永远看不到的部分，等同于节省了大量运算资源，最佳化绘制的影像。
另外，Google也把Seurat使用在Google△Earth中，Google提到，控制虚拟世界的三角形数量对于压缩Google△Earth的资料量非常有用，特别是因为顶点资讯的品质会因不同的位置而改变。
Google曾与Lucasfilm合作，进行了将电影星际大战外传：侠盗一号场景放进VR装置的展示，让观看者可以在星际大战世界身历其境，在虚拟世界中跟着剧情进行。这个过程却需要很长的制作时间，因为每一幀画面都需要数小时渲染，并将多边形以及贴图压缩到头戴装置可以运作的等级。
相关：
Travis CI合并开源与私人程式码储存库平台，现在只用travis
Travis△CI服务在自家博客宣布，现在无论是开源或是私人的专案，都能在travis-ci.com上测试跟部署了。另外，Travis△CI与GitHub的整合，开始使用GitHub应用程序，以便提供更高的安全性，并为一些未来的新功能铺路。过
MIT发表可商业化的可程式化液滴技术，大幅降低工业生物学实验成本
图片来源: MIT 麻省理工学院（MIT）研究出了可程式化液滴（Programmable△Droplets）技术，通过控制电压让化学溶液或是生物溶液在电路板上滑动，用于同时进行数千种混合方式的反应测试。麻省理工学院媒体实验室的研究
重现能自我学习的AlphaGo Zero，脸书AI研究院开源释出ELF OpenGo
脸书AI研究院于2日发布开源释出电脑围棋AI模型ELF△OpenGo，ELF△OpenGo成功复制了DeepMind日前打造的自我学习电脑围棋AI模型AlphaGo△Zero，建立在脸书现有专为强化学习研究设计的可扩展、轻量级框架（ELF），目前脸
Google开源沙盒容器Runtime gVisor，与VM一样安全但更轻巧
gVisor具有虚拟机器的安全隔离特色。 图片来源: Google 为解决容器的安全性问题，Google开源了用Go开发的沙盒容器Runtime△gVisor，提供类似虚拟机器般的隔离安全性，但是更为轻巧，不过gVisor只实作Linux系统部分
图片来源: 脸书 脸书周三（5/2）将于今年夏天释出可用于生产线的AI框架PyTorch△1.0测试版，让它不只能造福学术研究，也能于生产环境中派上用场。PyTorch是个基于Torch并采用Python程式语言的机器学习函式库，可用来