在這裡面我們來探討如何使用 cv 分析城市演化，話句話說就是分析城市規模變化

衛星影像的三個低成本量化指標（無需深度學習）

系列 B 第一篇：運用 Canny 邊緣偵測、Otsu 二值化、Shannon 紋理熵這三項傳統電腦視覺技巧，將衛星影像壓縮為三個可橫向比較的數值。每個指標的核心邏輯不超過 10 行程式碼，處理 8 年 × 44 張影像耗時不到一分鐘。

一、而為何不直接採用深度學習

在進行衛星影像的城市量化分析時，往往是第一直覺「丟進 ResNet 抽取特徵」或「用 U-Net 做建築分割」。然而，這條路徑存在幾個現實層面的問題：

- 閱讀剩餘部分 -

將之前做的產圖寫一份報告

整個 pipeline 拆成三層：

• 訓練端（kohya_ss + 自製多姿勢 base img2img）
• 出圖端（ComfyUI A+B+F workflow：LoRA → Hi-Res Fix → FaceDetailer）
• 操作端（Streamlit 角色管線）。

資料源是單一 YAML，從外觀 prompt、表情、CG 階段、LoRA，檔名全部寫在一處，下游全靠 loader 拼裝。

- 閱讀剩餘部分 -

本篇記錄實際測試 HyperFrames 搭配 Claude Code（cc）製作短影片的完整過程。

初始化專案

npx hyperframes init hypervideo
cd hypervideo

- 閱讀剩餘部分 -

今天在 X 上面看到的 Remotion 使用 React 生成影片，最後效果畫面如下

下面我們就來具體姐說下安裝、使用、跟生成影片，再説明下 React 生成的好處

- 閱讀剩餘部分 -

今天在 x 上面發現個好玩的 AI 應用

給了一張原圖

點圖片上的位置點，可以即時生成對應的縮略解説圖，這個用在景區的概要説明可真是好玩的不行

網址參考如下

https://flipbook.page/

估計使用了 LLM 進行圖片解析再利用訓練過的模型生成圖片，看起來風格是一致的，只是應用價值跟落地有明確的關聯性，但這真的不錯。