Скриптинг, настройка и исправления

В этом релизе собраны в основном улучшения и исправления, появившиеся в первую неделю после выхода Behavior Trees в публичный доступ, когда пользователи начали активно писать в них скрипты.

OSD: добавлена визуализация окна и региона

Во всех триггерах семейства Search появилась новая опция, которая подсвечивает на экране окно, из которого идет захват, а также регион внутри окна, который обрабатывается (если он задан). Это очень помогает при отладке и настройке.

Кроме того, все чекбоксы OSD можно привязать, поэтому вы можете очень быстро добавить триггер HotkeyIsActive, привязать все чекбоксы к его свойству IsActive — и готово: у вас будет переключаемый оверлей со всеми bounding boxes, регионами и метками прямо на экране.

Исправления и улучшения

• [Image/Color/ML Search] Видео, которые вы сохраняете, теперь можно кодировать кодеком H.264 — это дает заметно лучшее качество и, как следствие, более качественные материалы для обучения
• [Image/Color/ML Search] Исправлена ошибка во всех триггерах *Search: при использовании anchor/offset регион выбирался некорректно
• [ML Search] Исправлена ошибка: кнопка "Show more" не работала
• [UI] Убраны анимации переходов окон — это должно немного ускорить открытие диалоговых окон
• [Crash] Исправлен редкий сбой, который иногда происходил, когда программа пыталась получить заголовок уже удаленного процесса
• [Scripting] Во всех capture-триггерах теперь доступен ViewportTransforms — его можно использовать для преобразования игровых координат в экранные и наоборот. Особенно полезно, если вы хотите рисовать оверлей через IOnScreenCanvasScriptingApi или кликать по внутриигровым объектам через ISendInputUnstableScriptingApi.
• [Scripting] Добавлена поддержка относительного пути . — он возвращает aura/папку, в которой выполняется скрипт. Подробнее смотрите в этом примере
• [Scripting] В ISendInputUnstableScriptingApi добавлены методы IsKeyDown/IsMouseDown — они позволяют определить, нажата ли сейчас клавиша клавиатуры или кнопка мыши
• [YoloEase] Этот инструмент был вынесен в отдельный Github project. Исходники будут добавлены немного позже. Для тех, кто пропустил: этот инструмент позволяет автоматизировать процесс обучения моделей машинного обучения, беря на себя большую часть работы. От вас требуется только предоставить скриншоты и размеченные данные.
• [YoloEase] Улучшено качество скриншотов, загружаемых в CVAT