راهنماهای مخصوص پلتفرم
اندروید (کاتلین/جاوا)
اندروید NDK (سی)
آیاواس
یونیتی (بنیاد واقعیت افزوده)

رابط برنامهنویسی کاربردی معناشناسی صحنه (Scene Semantics API) به توسعهدهندگان این امکان را میدهد تا صحنه اطراف کاربر را درک کنند، که برای بسیاری از تجربیات واقعیت افزوده با کیفیت بالا مورد نیاز است. این رابط برنامهنویسی کاربردی که بر اساس یک مدل یادگیری ماشین ساخته شده است، اطلاعات معنایی بلادرنگ را ارائه میدهد که مکمل اطلاعات هندسی موجود در ARCore است.
با دریافت تصویر از یک صحنهی بیرونی، این API برای هر پیکسل در مجموعهای از کلاسهای معنایی مفید، مانند آسمان، ساختمان، درخت، جاده، پیادهرو، وسیله نقلیه، شخص و موارد دیگر، یک برچسب برمیگرداند. علاوه بر برچسبهای پیکسل، API معناشناسی صحنه، مقادیر اطمینان برای هر برچسب پیکسل و روشی آسان برای جستجوی میزان شیوع یک برچسب مشخص در یک صحنهی بیرونی را نیز ارائه میدهد.
از چپ به راست، نمونههایی از یک تصویر ورودی، تصویر معنایی برچسبهای پیکسلی و تصویر اطمینان مربوطه:

با استفاده از رابط برنامهنویسی کاربردی (API) معناشناسی صحنه، توسعهدهندگان میتوانند اجزای خاص صحنه، مانند جادهها و پیادهروها را برای راهنمایی کاربر در یک شهر ناآشنا، افراد و وسایل نقلیه را برای ایجاد انسداد روی اشیاء پویا، آسمان را برای ایجاد غروب خورشید در هر ساعت از روز و ساختمانها را برای تغییر ظاهر و تثبیت اشیاء مجازی شناسایی کنند.
برچسبهای معنایی و کیفیت
رابط برنامهنویسی کاربردی معناشناسی صحنه، برچسبهای متعددی ارائه میدهد که هر کدام کیفیت یا قابلیت اطمینان متناظری دارند. بهطورکلی، مدل یادگیری ماشینی در پیشبینی کلاسهای اشیاء/سطوح بزرگتر و رایجتر، نسبت به کلاسهای اشیاء/سطوح کوچکتر یا کمیابتر، بهتر عمل میکند. کلاسها را میتوان در سطوح کیفی زیر گروهبندی کرد که از بالاتر به پایینتر رتبهبندی میشوند:
| سطوح کیفیت برچسب معنایی | |
|---|---|
| اجزای اصلی صحنه |
|
| جزئیات اصلی صحنه |
|
| جزئیات جزئی صحنه |
|
سازگاری دستگاه
API معناشناسی صحنه (Scene Semantics API) همان فهرست دستگاههای پشتیبانیشده توسط Depth API را دارد. لطفاً برای مشاهده فهرست بهروز دستگاههایی که از هر دو API پشتیبانی میکنند، به صفحه دستگاههای پشتیبانیشده توسط ARCore مراجعه کنید.
موارد استفاده پشتیبانی شده
رابط برنامهنویسی کاربردی Scene Semantics برای استفاده در سناریوهای زیر طراحی شده است:
صحنههای بیرونی : فقط از صحنههای بیرونی پشتیبانی میکند و برای موارد استفاده در فضای داخلی در نظر گرفته نشده است.
جهت عمودی : فقط باید در حالت جهت پیشفرض دستگاه (یعنی عمودی) استفاده شود. کیفیت برچسبهای معنایی برای حالت افقی تضمین نمیشود.