从较低分辨率数据结构创建表示纹理的较高分辨率数据结构的机器学习技术的制作方法

1.本技术涉及必须植根于计算机技术并且产生具体技术改进的技术上创新的非常规解决方案。


背景技术：

2.在诸如计算机游戏的计算机模拟中，使用描述对象表面的“纹理”数据来部分地对对象进行渲染。给定对象的纹理数据越多，渲染的分辨率可以越高。然而，出于带宽目的，期望不要将大的纹理数据结构发送到渲染装置。


技术实现要素：

3.如本文所理解的，所谓的“mipmap”(来自拉丁语multum in parvo)可以用于以下列方式节省带宽。mipmap是一系列纹理数据结构，其中每个纹理数据结构都是前一纹理数据结构的分辨率逐渐降低的表示。通常这种降低在每个维度上为二分之一。通过使用更高分辨率的mipmap来渲染查看器附近的对象和使用较低分辨率的mipmap来渲染远离查看器的对象来节省带宽。通常将mipmap层级选择为与图像的像素密度最匹配的层级。在理想情况下，每个屏幕像素需要一个纹理像素。纹理像素也可以称为“纹素(texel)”(纹理和像素的组合)。
4.然而，如本文所理解的，为了节省存储器，通常将纹理数据压缩成多种块压缩(bcn)模式中的一种，这些块压缩模式在gpu上是可原生采样的。纹理的最大分辨率通常受到存储空间约束和艺术家创作时间的限制。使用现有的基于机器学习的技术或其他技术来从较低分辨率的图像产生较高分辨率的图像需要首先对bcn压缩纹理数据进行解压缩、对其进行上采样以及对其进行重新压缩。这不是令人想要的，因为其需要额外的存储空间用于低分辨率图像和高分辨率图像两者的未压缩版本，并且bcn压缩过程非常复杂且计算量很大。
5.因此，一种组件包括至少一个处理器，所述处理器被配置有指令，所述指令用于接收表示至少一个计算机图形纹理的至少第一数据结构。第一数据结构具有第一分辨率。所述指令可执行以使用至少一个神经网络(nn)来处理第一数据结构以生成表示计算机图形纹理的第二数据结构，其中第二数据结构具有高于第一分辨率的第二分辨率。因此，第二数据结构是在不使用压缩或解压缩的情况下从第一数据结构生成的。所述指令可执行以使用第二数据结构进行渲染，无论是直接显示在屏幕上还是在中间渲染阶段中。
6.计算机图形纹理可以包含用于基于物理的渲染(pbr)材料的数据，并且可以使用块压缩(bcn)进行压缩，其中n是整数。
7.在一些示例中，第一数据结构包括输入mipmap，并且第二数据结构包括比输入mipmap高一个mip层级的mipmap。输入mipmap可以包括尾部mipmap。
8.在非限制性实施方式中，第一数据结构可以包括至少第一法线数据块和至少第二
粗糙度数据块，并且所述指令可以是可执行以生成合计具有至少四个法线数据块和四个粗糙度数据块的第二数据结构。
9.在非限制性实施方式中，第一数据结构可以包括至少第一纹理数据块和附近的至少第二纹理数据块，以帮助通知机器学习，并且所述指令可以是可执行以生成具有至少四个纹理数据块的第二数据结构。
10.在另一方面，一种渲染组件包括至少一个处理器，所述处理器配置有指令，所述指令可执行以接收第一压缩mipmap，并且在不使用对第一压缩mipmap的压缩或解压缩的情况下从第一压缩mipmap生成第二压缩mipmap。
11.在另一方面，一种方法包括访问至少一个机器学习(ml)引擎，以及使用ml引擎放大或缩小纹理以在计算机显示器上呈现对象。
12.本公开的关于其结构和操作两者的细节可以参考附图得到最好的理解，在附图中相同的附图标记指代相同的部分，并且在附图中：
附图说明
13.图1是包括与本发明原理一致的示例的示例性系统的框图；
14.图2示出了示例性纹理通信路径；
15.图3示出了pbr材料的示例性部件；
16.图4以示例性流程图格式示出了用于提供地面实况训练数据的示例性逻辑；
17.图5以示例性流程图格式示出了用于训练纹理渲染机器学习引擎的示例性逻辑；
18.图6以示例性流程图格式示出了用于向渲染器提供纹理的示例性逻辑；
19.图7以示例性流程图格式示出了用于使用机器学习引擎来放大输入纹理的示例性逻辑；以及
20.图8以示例性流程图格式示出了用于一起放大两个纹理数据类型的示例性逻辑。
具体实施方式
21.本公开总体上涉及计算机生态系统，其包括计算机生态系统中的基于消费型电子(ce)装置的用户信息的各个方面。本文中的系统可以包括通过网络连接的服务器部件和客户端部件，使得可以在客户端部件与服务器部件之间交换数据。客户端部件可以包括一个或多个计算装置，所述一个或多个计算装置包括便携式电视(例如，智能tv、支持互联网的tv)、诸如膝上型计算机和平板计算机的便携式计算机，以及包括智能电话和下面讨论的附加示例的其他移动装置。这些客户端装置可以在多种操作环境下操作。例如，客户端计算机中的一些可以采用例如来自微软或unix或苹果公司或谷歌的操作系统。这些操作环境可以用于执行一个或多个浏览程序，诸如微软或谷歌或mozilla制作的浏览器或可以访问由下面讨论的互联网服务器托管的网络应用的其他浏览器程序。
22.服务器可以包括一个或多个处理器，所述处理器执行将服务器配置成通过诸如互联网等网络来接收和传输数据的指令。或者，客户端和服务器可以通过本地内联网或虚拟专用网络连接。服务器或控制器可以由游戏控制台(诸如sony个人计算机等)实例化。
23.可以通过网络在客户端与服务器之间交换信息。为此并且为了安全起见，服务器
和/或客户端可包括防火墙、负载平衡器、临时存储装置和代理，以及用于可靠性和安全性的其他网络基础设施。一个或多个服务器可形成一种设备，所述设备实施向网络成员提供安全社区(诸如在线社交网站)的方法。
24.如本文所使用的，指令是指用于在系统中处理信息的计算机实施的步骤。指令可以在软件、固件或硬件中实施并且包括由系统的部件执行的任何类型的编程步骤。
25.处理器可以是单芯片或多芯片处理器，所述单芯片或多芯片处理器可借助于各种线(诸如地址线、数据线和控制线)以及寄存器和移位寄存器来执行逻辑。处理器可以由一个或多个图形处理单元(gpu)实施或可以包括一个或多个图形处理单元(gpu)。
26.通过本文的流程图和用户界面描述的软件模块可包括各种子例程、程序等。在不限制本公开的情况下，被陈述为由特定模块执行的逻辑可被再分配到其他软件模块和/或一起组合在单个模块中和/或使得在可共享库中可用。
27.本文所述的本发明原理可以实施为硬件、软件、固件或其组合；因此，说明性部件、框、模块、电路和步骤依据其功能性加以阐述。
28.除了上面提到的内容以外，以下描述的逻辑框、模块和电路可以用数字信号处理器(dsp)、现场可编程门阵列(fpga)、或诸如专用集成电路(asic)、分立门或晶体管逻辑、分立硬件部件或其被设计成执行本文所述的功能的任何组合等其他可编程逻辑装置来实施或执行。处理器可以由控制器或状态机或计算装置的组合来实施。
29.下文所述的功能和方法当在软件中实施时可以诸如但不限于c#或c++的适当语言编写，并且可存储在计算机可读存储介质上或通过计算机可读存储介质传输，诸如随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、光盘只读存储器(cd-rom)或其他光盘存储装置(诸如数字通用光盘(dvd))、磁盘存储装置或包括可移除拇指驱动器的其他磁存储装置等。连接可建立计算机可读介质。此类连接可包括例如硬连线电缆，包括光纤和同轴线以及数字用户线(dsl)和双绞线。
30.一个实施方案中包括的部件可以任何适当的组合用于其他实施方案中。例如，本文中所描述且/或在图中所描绘的各种部件中的任一者可被组合、互换或从其他实施方案排除。
[0031]“具有a、b和c中的至少一者的系统”(同样地，“具有a、b或c中的至少一者的系统”和“具有a、b、c中的至少一者的系统”)包括以下系统：仅具有a；仅具有b；仅具有c；同时具有a和b；同时具有a和c；同时具有b和c；和/或同时具有a、b和c等。
[0032]
现在具体参考图1，示出了示例性生态系统10，其可以包括上面提到的并且根据本发明原理在下面进一步描述的示例性装置中的一个或多个。系统10中包括的示例性装置中的第一装置是示例性主显示装置，并且在所示的实施方案中为音频视频显示装置(avdd)12，诸如但不限于支持互联网的tv。因此，替代地，avdd 12可以是家用电器或家用物品，例如计算机化的支持互联网的冰箱、洗衣机或烘干机。替代地，avdd 12还可以是计算机化的支持互联网的(“智能”)电话、平板计算机、笔记本计算机、可佩戴的计算机化装置，例如诸如计算机化的支持互联网的手表、计算机化的支持互联网的手镯、其他计算机化的支持互联网的装置、计算机化的支持互联网的音乐播放器、计算机化的支持互联网的耳机、计算机化的支持互联网的可植入装置(诸如可植入皮肤装置)等。无论如何，应理解，avdd 12被配置为采取本发明原理(例如，与其他ce装置通信以采取本发明的原理，执行本文描述的逻
辑，以及执行本文描述的任何其他功能和/或操作)。
[0033]
因此，为了执行这样的原理，可以通过图1所示的一些或全部部件来建立avdd 12。例如，avdd 12可以包括一个或多个显示器14，所述显示器可以通过高清晰度或超高清晰度“4k”或“8k”(或更高分辨率)的平面屏幕实施并且可以是支持触摸的以经由显示器上的触摸接收客户输入信号。avdd 12可以包括根据本发明原理的用于输出音频的一个或多个扬声器16，以及至少一个附加输入装置18，诸如键盘或小键盘或用于例如向avdd 12输入声音命令以控制avdd 12的音频接收器/传声器。示例性avdd 12还可以包括一个或多个网络接口20，以在一个或多个处理器24的控制下通过至少一个网络22(诸如互联网、wan、lan等)进行通信。因此，接口20可以是但不限于wi-fi收发器，所述wi-fi收发器是无线计算机网络接口的示例。应理解，处理器24控制avdd 12来采用本发明原理，包括本文描述的avdd 12的其他元件，例如，诸如控制显示器14以在显示器上呈现图像以及从显示器接收输入。此外，应注意，网络接口20可以是例如有线或无线调制解调器或路由器或其他适当接口，例如诸如无线电话收发器，或如上所提及的wi-fi收发器等。
[0034]
除前述内容之外，avdd 12还可以包括一个或多个输入端口26，例如，诸如用于物理地连接(例如，使用有线连接)至另一个ce装置的usb端口和/或用于将耳机连接至avdd 12以用于通过耳机将来自avdd 12的音频呈现给客户的耳机端口。avdd 12还可以包括不是临时信号的一个或多个计算机存储器28，诸如基于磁盘或固态存储装置(包括但不限于闪存存储器)。此外，在一些实施方案中，avdd12可包括位置或地点接收器(诸如但不限于手机接收器、gps接收器和/或高度计30)，所述位置或地点接收器被配置为例如从至少一个卫星或手机塔接收地理位置信息并且向处理器24提供所述信息和/或结合处理器24来确定avdd 12被设置的高度。然而，应理解，根据本发明原理，可以使用除手机接收器、gps接收器和/或高度计之外的另一个合适的定位接收器来例如确定avdd 12在例如所有三个维度上的位置。
[0035]
继续对avdd 12的描述，在一些实施方案中，根据本发明原理，avdd 12可包括一个或多个相机32，所述一个或多个相机可以是例如热成像相机、数字相机(诸如网络摄像头)和/或集成到avdd 12中并且可由处理器24控制以搜集图片/图像和/或视频的相机。在avdd12上还可包括蓝牙收发器34和其他近场通信(nfc)元件36，以用于分别使用蓝牙和/或nfc技术与其他装置进行通信。示例性nfc元件可以是射频识别(rfid)元件。
[0036]
此外，avdd 12可包括向处理器24提供输入的一个或多个辅助传感器37(例如，运动传感器，诸如加速度计、陀螺仪、计程器或磁传感器、红外线(ir)传感器、光学传感器、速度和/或节奏传感器、手势传感器(例如，用于感测手势命令)等)。avdd 12还可以包括其他传感器，例如，诸如一个或多个气候传感器38(例如气压计、湿度传感器、风力传感器、光传感器、温度传感器等)和/或一个或多个生物特征传感器40，它们向处理器24提供输入。除前述内容之外，应注意，avdd 12还可以包括红外(ir)发射器和/或ir接收器和/或ir收发器42，诸如ir数据关联(irda)装置。可以提供电池(未示出)以用于为avdd 12供电。
[0037]
仍然参考图1，除了avdd 12之外，系统10可以包括一种或多种其他ce装置类型。在一个示例中，第一ce装置44可以用于向第二ce装置46发送消息，所述第二ce装置46可以包括与第一ce装置44类似的部件并因此将不对其进行详细讨论。在所示的示例中，示出仅两个ce装置44、46，应理解，可以使用更少或更多的装置。
[0038]
示例性非限制性第一ce装置44可以由上述装置(例如，便携式无线膝上型计算机或平板计算机或笔记本计算机或移动电话)中的任何一者来建立，并因此可以具有下面描述的部件中的一者或多者。第二ce装置46可以不受限制地由无线电话建立。第二ce装置46可以实施便携式手持远程控制器(rc)。第二ce装置46可以实施虚拟现实(vr)和/或增强现实(ar)头戴式显示器(hmd)。ce装置44、46可以包括在avdd 12的情况下所示的一些或全部部件。
[0039]
至少一个服务器50可以包括至少一个服务器处理器52、至少一个计算机存储器54(诸如基于磁盘的存储装置或固态存储装置)以及至少一个网络接口56，所述网络接口在服务器处理器52的控制下允许通过网络22与图1的其他装置通信，并且实际上可以根据本发明原理促进服务器与客户端装置之间的通信。应注意，网络接口56可以是例如有线或无线调制解调器或路由器、wi-fi收发器或其他适当接口(例如，诸如无线电话收发器)。
[0040]
因此，在一些实施方案中，服务器50可以是互联网服务器并且可以包括并执行“云”功能，使得系统10的装置可以在示例性实施方案中经由服务器50访问“云”环境。或者，服务器50可以由与图1中示出的其他装置在同一房间或在附近的游戏控制台或其他计算机来实施。
[0041]
本文讨论的装置可以在适当时包括图1中所示的各种部件中的一些或全部。
[0042]
在转向图2之前，“纹理”是可以映射到图像上以表征渲染对象的表面的数据结构。纹理数据结构的基本数据元素是纹理元素或纹素(纹理和像素的组合)。纹理由表示纹理空间的纹素阵列表示。纹素被映射到要渲染的图像中的像素，以定义图像的渲染表面。
[0043]
因此，纹理是数据而不是图像，因此下面的神经网络(nn)训练不一定依赖于感知错误原理。反照率可能是一个例外(下面将进一步讨论)，但通常纹理数据训练使用特定于特定数据目的的错误度量。
[0044]
一些类型的数据(诸如法线和粗糙度)可以配对在一起，因为这两者由于是相互关联的而可以吸收彼此的错误。更具体地说，在pbr渲染中，法线贴图数据和粗糙度数据(有时称为光泽度数据)之间存在关系。粗糙度本质上描述了纹理像素上法线的变化。因此，存在修改粗糙度的技术，以解决在生成mipmap时降低法线贴图的分辨率时的数据丢失，本质上是对法线贴图进行抗锯齿处理。在这种情况下，法线贴图和对应的粗糙度贴图之间存在紧密关联。
[0045]
有了纹理的附加细节，基于物理的渲染(pbr)和材料是用于渲染逼真的材料和光交互的一套通用的指导原则，其涉及使用存储在纹理中的各种类型的数据。光被建模为漫反射或镜面反射。漫射照明通常与视图无关，并且无论从哪个角度观看材料，一般都不会改变。另一方面，镜面照明依赖于视图来模拟，例如眩光。
[0046]
通常，pbr纹理包含“反照率”参数，所述“反照率”参数表征材料的漫反射照明响应。例如，对于抛光木材的仿真表面，反照率纹理包含木纹图案和颜色变化，但没有形状信息，非常平坦。金属没有反照率，因为它们的所有照明响应都来自镜面反射。
[0047]
如上所述，pbr纹理也可能包含“法线”参数。法线贴图定义表面的小的形状细节，特别是表示底层表面的表面法线。这可能与渲染中使用的三角形数据的几何法线解耦，也可能不解耦。这是存储为纹理的向量数据，虽然其可以查看，但它本身并不是图像。在木材示例中，在木材光滑的情况下，这可能几乎是平坦的，但包含蚀刻或雕刻木材表面的细节。
[0048]
也如上所述，pbr纹理也可以包括光泽度/粗糙度参数，它定义了要渲染的表面有多粗糙。通常这被认为是亚像素法线数据的变化(细节小于法线贴图中的纹素)。在木材示例中，这可能包含有关木材磨损的数据(想象用砂纸擦洗木材)，在抛光木材的情况下，它会相对光滑，因此粗糙度会很低。
[0049]
另一个pbr参数是反射率，其表示镜面反射照明响应。对于大多数非金属材料，反射没有颜色。几乎所有非金属的反射率都是常数2％(有多少光被直接反射)。对于镜子，反射率接近100％。
[0050]
一些pbr技术试图利用非金属具有恒定反射率并且金属没有反照率这一事实。这通常涉及重新利用表面是金属的反照率纹素来代替表示反射率(使用颜色、金、黄铜等)，并将额外信息存储在其他另一个纹理通道中，以识别哪些纹素是金属，哪些纹素不是金属。通常，该信息被称为“金属度”。这种编码通过不为反照率存储三个通道和不为反射率存储另外三个通道通常而节省纹理存储器。
[0051]
一般来说，纹理可以有不同的用途，并且可能因游戏引擎而异。
[0052]
考虑到上面对纹理的讨论，通常会生成相同纹理的具有不同的压缩率(并且、因此、或具有不同的分辨率)的多个版本。具体地说，单个纹理可以由完整的经mipmap处理的纹理链表示。mipmap处理采用图像并将分辨率连续降低二分之一。因此，对于任何给定的纹理，例如1024
×
1024，在存储器中还存储了它的512
×
512版本和256
×
256版本等等。这提高了性能、视觉保真度并促进了纹理流式传输。纹理流式传输尝试通过仅基于渲染对象的屏幕大小加载给定纹理所需的mipmap“尾部”(较低的mip层级和低于它的所有较低分辨率mip层级)来节省存储器。例如，256
×
256mip层级和1024
×
1024纹理的mip链的较低层级可能是为远处的对象加载所需的全部层级。基于不断变化的游戏环境和观看者位置，加载哪些mip层级会按需改变。随着对象越来越近，更高分辨率的mip层级或“细节层级”被加载到存储器中以渲染现在更接近的对象。
[0053]
可以对纹理使用各种类型的压缩。一种类型是块压缩，有时表示为bcn压缩，它是一种有损纹理压缩，可以由图形处理单元(gpu)就地解压缩。块压缩不要求对整个图像进行解压缩，因此gpu可以在对纹理进行采样的同时对数据结构解压缩，就好像它根本没有被压缩一样。
[0054]
块压缩技术将4
×
4像素块压缩成单个(较小的)数据包。通常，这涉及选择两个或更多个(取决于bc压缩类型)“端点”颜色，其中每个像素包含一些关于如何在每个像素处混合这两种颜色的信息。对于整个4
×
4像素块，端点颜色被共享。例如，对于只有红色、蓝色和紫色像素的图像，压缩器可能会选择一个端点为红色，另一个端点为蓝色。紫色像素将具有将两者混合在一起的值。
[0055]
不同的bc类型的主要区别在于它们有多少纹理通道(例如，bc4是一个通道灰度，即“黑和白”)。bc6和bc7很特别，因为它们引入了决定每个块的解释的模式的概念。对于其他bc模式，所有块都以相同的方式编码，其中为端点颜色和混合值分配相同位数。对于bc6/bc7，不同的模式在每个块的基础上分配不同的位，这允许压缩器在纹理的不同区域进行不同的质量权衡。
[0056]
图2示出了纹理源200，所述纹理源经由通信路径202(诸如本地数据总线或到纹理渲染器204的有线/无线网络链路)根据上述原理发送用于渲染的纹理，所述纹理渲染器通
常包括具有存储器的一个或多个gpu，以根据显示器上的图像数据和纹理数据渲染图像。
[0057]
图3示出了在本文的实施方案中，只需将尾部纹理300从源200发送到渲染器204，所述渲染器可以对纹理执行机器学习引擎302以将其放大到具有下一个最高层级的分辨率的纹理304，而不需要进行解码/编码并且因此不需要编解码器。机器学习引擎302可以包括一个或多个经过训练的神经网络，诸如生成的、基于噪声的、可能的对抗网络。
[0058]
因此，机器学习用于为所有流式纹理生成比输入mipmap(例如，来自在磁盘上创作的mipmap链)高一个层级的纹理的mipmap。新的(更高分辨率的)mipmap可以类似地引入，就好像它存在于磁盘上一样，只是替代地通过程序生成。由于纹理可以以bcn压缩格式存储在磁盘上，因此网络从存储器中现有的最高压缩mip层级生成新的压缩mip层级。如果在运行时生成mip层级的成本太高，则可以使用相同的方法来离线生成多个mip层级并存储在磁盘上。
[0059]
图4示出了图3中机器学习引擎302的示例性训练原理。可以在框400处访问现有纹理库以进行地面实况训练并在框402处对所述纹理库进行压缩以建立降低的下一个mip层级(再次减半)。换句话说，可以在框400处访问完整的、未压缩的(以及因此最高分辨率的)mipmap并且在框402处将其压缩二分之一以渲染压缩的(并且因此较低分辨率的)mipmap。在框402处生成的mipmap可以根据本文的原理被连续压缩，以为每个输入的未压缩mipmap渲染一组完整的mipmap，从而在框404处渲染地面实况。
[0060]
图5示出了一个简单的网络可以在框500处访问来自地面实况集合的一个压缩bc块数据包，并且在框502处生成用于更高mip层级的四个bc块数据包，其有效地从例如4
×
4像素块达到8
×
8像素块。替代地，代替或除了将一个bc块作为输入之外，还可以提供该块周围的块的邻域(例如，八个周围块)作为输入，以更好地通知特征网络。
[0061]
训练可以使用反向传播、梯度下降来实施。训练可以使用80/20训练测试拆分来执行，其中80％的地面实况数据随机样本用于训练或设置nn中的权重，然后输入另外20％的测试数据缩小文件并与nn生成的内容进行比较。换句话说，可以将nn的输出与训练会话期间未输入的20％全分辨率文件进行比较。
[0062]
因为不同材料属性纹理之间主要存在不同类型的数据，所以可以针对每种材料属性类型训练不同的网络。例如，一个网络可以被训练用于放大反射率纹理数据，而另一个网络可以被训练用于放大反照率。
[0063]
在存储类似数据并因此具有一些交叉关系的法线和粗糙度的情况下，可以训练单个网络来将它们一起放大。相同的考虑可能适用于其他相关的材料属性对或组。在共享的法线和粗糙度高分辨率网络的情况下，可以输入一个具有法线数据的bc块和一个在同一相关联位置的具有粗糙度数据的bc块，并且网络可以输出四个具有法线数据的bc块和四个具有粗糙度数据的bc块。
[0064]
图6示出了纹理可以在框600处被压缩并且在框602处被发送到渲染器。在一个示例中，mipmap链中的最低分辨率(最高压缩)“尾部”纹理被发送到渲染器，所述渲染器可以使用本文描述的经过训练的机器学习引擎将它们实时放大，而无需编解码器。在其他实施方案中，可以将压缩相对较少的高分辨率纹理(或未压缩的基础纹理本身)作为输入提供给渲染器，所述渲染器可以使用机器学习来生成压缩程度更高、分辨率更低的纹理。
[0065]
图7示出了渲染器逻辑。在状态700处接收输入纹理。在框702处，通过经过训练的
机器学习引擎处理纹理，以在框704处输出不同压缩的纹理，其与输入纹理相比，压缩程度更高(分辨率更低)或压缩程度更低(分辨率更高)。框704处的纹理用于在显示器上渲染图像。
[0066]
图8示出了在共享的法线和粗糙度高分辨率网络的情况下，机器学习引擎在框800处接收一个具有法线数据的bc块，并且在框802处接收一个在同一相关联位置处的具有粗糙度数据的bc块。在框804处，机器学习引擎将两个输入块一起放大以输出四个具有法线数据的bc块和四个具有粗糙度数据的bc块。
[0067]
虽然本文详细示出和描述了特定技术，但应理解，本技术所包含的主题仅由权利要求书限制。