TOP📢注意：本网站部署在 Github Pages 上，请科学上网！🏃♂️➡️
本网站同时还部署在
ZoomEye 学习笔记
https://arxiv.org/abs/2411.16044
本质上来说，这个工作应该就是 prompt engineering / agent，都是人为设定好的规则来 tree search 目标物体，是 training-free 的
Vstar 学习笔记
https://arxiv.org/abs/2312.14135
V* 感觉就类似于 agent
当前的多模态大模型（比如 LLaVA、GPT-4V 等）在处理复杂或高分辨率图像时，存在两个主要问题：
T2I-R1 学习笔记
https://arxiv.org/pdf/2505.00703
将语言模型中的 CoT 推理机制与 RL 方法引入图像生成领域
- 图像生成不仅需要理解文本（prompt）含义，还要实现跨模态的、逐像素的细节合成
Can We Generate Images with CoT? 学习笔记
https://arxiv.org/abs/2501.13926
将 CoT 推理策略从语言任务迁移到自回归图像生成中
自回归图像生成与语言生成在“逐token生成”的机制上高度相似，为应用CoT提供了潜在可行性
Show-o 的图像生成方式本质上是一种基于 mask 的 iterative
CogCoM 学习笔记
https://arxiv.org/abs/2402.04236
当前 VLMs 通过对齐视觉输入和语言输出训练，虽然整体表现好，但在需要细致视觉推理的任务上容易出错，比如无法正确识别图片中的细节内容。这是因为现有模型习惯直接给出结论，而缺乏中间推理步骤。
GVHMR 学习笔记
World-Grounded Human Motion Recovery (HMR)：从单目视频中恢复世界坐标系下的人体动作，核心挑战在于世界坐标系的定义存在歧义，这在不同的视频序列之间可能会有所不同。
PLUS-WAVE 的 2024? 总结
虽然说是 2024 的总结，但是我从写博客开始就没有一个总结，不如趁着这个机会，我就将我从写博客起源开始，将我这接近两年的博客生涯，回顾总结一下吧！
Conda安装Pytorch和CUDA/GCC与一些环境Bug解决
在实验室服务器上的时候，一般是没有 root 权限的，而服务器可能只安装了特定版本的 CUDA 和 GCC，我们就需要自己安装自己需要版本的 CUDA/GCC 来满足安装包时的环境要求。
而 Conda 除了安装 Python 的包以外，其还提供了很多其他库——比如CUDA、GCC甚至还有 COLMAP
GAGAvatar 学习笔记
GAGAvatar（Generalizable and Animatable Gaussian Avatar），一种面向单张图片驱动的可动画化头部头像重建的方法，解决了现有方法在渲染效率和泛化能力上的局限。
Portrait4D-v2 学习笔记
作者提出了一种基于伪多视角视频的学习框架，绕过了不准确的3DMM重建的高度依赖（Portrait4Dv1 的 Limitation），核心思路是：
- 伪多视角数据生成：从单目视频生成多视角数据
Portrait4D 学习笔记
- 目标：学习一个模型，能够从源图像 和驱动图像 中提取外观和动作信息，合成出具有 外观和 动作的3D人头。
- 3D表示：采用基于 Tri-plane 的 NeRF 作为底层的3D表示方式，兼具高保真度和高效率。
EG3D 学习笔记
-
混合显式-隐式网络架构：提出了一种 Tri-plane 的3D表征方法，结合显式体素网格与隐式解码器的优点
- 速度快，内存效率高；
3DGS中Densification梯度累计策略的改进——绝对梯度策略（Gaussian Opacity Fields）
在学习 StreetGS 代码中发现了其中的 Densification 策略与原 3DGS 不太一样，其是使用的 Gaussian Opacity Fields 中的一个的策略
我们先来回忆一下 3DGS 中一个比较重要 contribution
OpenGL/GLUT实践：流体模拟——数值解法求解Navier-Stokes方程模拟二维流体
源码见GitHub：A-UESTCer-s-Code
最终的实现效果如下：
