<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[L2037163949的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/L2037163949</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; L2037163949]]></copyright><item><title><![CDATA[Med-Copilot-7B CPU 本地部署全过程总结]]></title><link>https://blog.youkuaiyun.com/L2037163949/article/details/160689262</link><guid>https://blog.youkuaiyun.com/L2037163949/article/details/160689262</guid><author>L2037163949</author><pubDate>Fri, 01 May 2026 16:23:32 +0800</pubDate><description><![CDATA[本文总结了我们在 Windows + WSL Ubuntu 环境中，把量化模型部署到本地 CPU，并进一步尝试通过本地 API 和简易 Agent 控制器调用它的全过程。]]></description><category></category></item><item><title><![CDATA[CVPR 2025 | GuardSplat: Efficient and Robust Watermarking for 3D Gaussian Splatting]]></title><link>https://blog.youkuaiyun.com/L2037163949/article/details/159586766</link><guid>https://blog.youkuaiyun.com/L2037163949/article/details/159586766</guid><author>L2037163949</author><pubDate>Sat, 28 Mar 2026 23:05:52 +0800</pubDate><description><![CDATA[传统图像水印通常在 2D 图像像素空间中处理消息：输入图像和消息，经过编码器得到带水印图像，再由解码器从图像中恢复消息。但 GuardSplat 面对的是 3DGS 资产，保护对象不是单张图，而是一组 3D 高斯集合。论文在 Preliminary 中先回顾了 3DGS 的基本渲染形式。GxμΣexp⁡−12x−μ⊤Σ−1x−μ(1)GxμΣexp−21​x−μ⊤Σ−1x−μ1μ∈R3μ∈R3是高斯中心；Σ。]]></description><category></category></item><item><title><![CDATA[AAAI | Sparse4DGS: 4D Gaussian Splatting for Sparse-Frame Dynamic Scene Reconstruction]]></title><link>https://blog.youkuaiyun.com/L2037163949/article/details/159586683</link><guid>https://blog.youkuaiyun.com/L2037163949/article/details/159586683</guid><author>L2037163949</author><pubDate>Sat, 28 Mar 2026 22:06:12 +0800</pubDate><description><![CDATA[这一节对应论文 4.3。展示了 “Sheet” 场景在 sparse 输入下的对比结果，包括 canonical frame 与 deformed frame 两行，对比了 Deformable3DGS、CoRGS、4DGaussians 与 Ours。论文在 NeRF-Synthetic、NeRF-DS、HyperNeRF 和自建 iPhone-4D 数据集上进行了验证，结果表明 Sparse4DGS 在 sparse-frame 输入下优于现有动态重建或 sparse-view baseline。]]></description><category></category></item><item><title><![CDATA[CVPR 2025 | Steepest Descent Density Control for Compact 3D Gaussian Splatting]]></title><link>https://blog.youkuaiyun.com/L2037163949/article/details/159348201</link><guid>https://blog.youkuaiyun.com/L2037163949/article/details/159348201</guid><author>L2037163949</author><pubDate>Sun, 22 Mar 2026 10:58:13 +0800</pubDate><description><![CDATA[为了避免常规线性代数库迭代求解造成的 CUDA 线程束分化（Warp Divergence），作者引入了 1961 年 Oliver K. Smith 提出的解析解算法，通过构建三次多项式并利用反三角函数，在一个封闭形式（Closed-form Formula）内直接算出精确特征值，实现了极致的并行加速。本文为作者对原论文的学习笔记与心得分享，受个人学识与理解所限，文中对论文内容的解读或有不够周全之处，一切以原论文正式表述为准。而在需要精细纹理的地方，随机撒点又像盲人摸象，收敛极慢。]]></description><category></category></item><item><title><![CDATA[CVPR 2025 | GaussianSpa: An “Optimizing-Sparsifying” Simplification Framework]]></title><link>https://blog.youkuaiyun.com/L2037163949/article/details/159076440</link><guid>https://blog.youkuaiyun.com/L2037163949/article/details/159076440</guid><author>L2037163949</author><pubDate>Sun, 15 Mar 2026 02:26:17 +0800</pubDate><description><![CDATA[具体而言，作者将 Gaussian 的 opacity 作为核心稀疏变量，在训练目标中加入 (\ell_0) 稀疏约束，从而使 3DGS 的简化问题具有更明确的优化建模基础。另一部分负责对辅助变量进行精确稀疏化，从而逐步将模型压缩到更紧凑的表示。也就是说，作者不是训练结束后一次性删点，而是在训练中逐步把高斯表示推向更稀疏的状态，使得模型能在压缩过程中更平滑地适应新的表示形式。因此，GaussianSpa 的实验不仅证明了方法“能压缩”，更证明了它能在较高压缩率下维持高质量渲染，这也是本文最核心的价值所在。]]></description><category></category></item><item><title><![CDATA[Plant Phenomics 2025 | 基于轻量无人机和点云深度学习的大豆产量估算和倒伏判别]]></title><link>https://blog.youkuaiyun.com/L2037163949/article/details/158704760</link><guid>https://blog.youkuaiyun.com/L2037163949/article/details/158704760</guid><author>L2037163949</author><pubDate>Thu, 05 Mar 2026 22:03:28 +0800</pubDate><description><![CDATA[本文为作者对原论文的学习笔记与心得分享，受个人学识与理解所限，文中对论文内容的解读或有不够周全之处，一切以原论文正式表述为准。在特征聚合阶段采取差异化策略：产量估算使用平均池化（Mean pooling），而倒伏判别使用最大池化（Max pooling）。直觉：CBR 就像 CNN 里的 “Conv + BN + ReLU”，只不过这里 Conv 用“逐点 MLP（shared MLP）”来做。，它的“中间空间”太窄，学到的变换能力有限。的核心目的：让块“更有表达能力”,如果你不升维，只做。]]></description><category></category></item><item><title><![CDATA[蓝桥杯真题 PART 1]]></title><link>https://blog.youkuaiyun.com/L2037163949/article/details/158128332</link><guid>https://blog.youkuaiyun.com/L2037163949/article/details/158128332</guid><author>L2037163949</author><pubDate>Mon, 16 Feb 2026 18:05:18 +0800</pubDate><description><![CDATA[在夜空下，双子星闪烁，据说它们藏着宇宙的秘密。天文学家小蓝守着古朴的望远镜，翻开一本泛黄的星图。小蓝认为如果一个数含有偶数个数位，并且前面一半的数位之和等于后面一半的数位之和，则这个数是他的幸运数字。我们称遗传信息的某两个位置相反，是指这两个位置上的字符不相同（即其中一个为 0，另一个为 1）。均为完全平方数，便能解锁双子星的讯息。小蓝想知道，有多少对不相交的相同长度的基因正好相反，即有多少对。小蓝发现了一种奇特的生物，它的遗传信息可以表示为一个长度为。分对应的奖项，请问小蓝所有可能的答题情况有多少种？]]></description><category></category></item><item><title><![CDATA[滑动窗口(灵茶山艾府） | CPP + LeetCode]]></title><link>https://blog.youkuaiyun.com/L2037163949/article/details/157688993</link><guid>https://blog.youkuaiyun.com/L2037163949/article/details/157688993</guid><author>L2037163949</author><pubDate>Tue, 03 Feb 2026 12:23:28 +0800</pubDate><description><![CDATA[*注意：**大小为 1 的数组被认为是平衡的，因为其最大值和最小值相等，且条件总是成立。在转化字符串时，总开销应当小于等于该预算，这也意味着字符串的转化可能是不完全的。的开销（开销可能为 0），也就是两个字符的 ASCII 码值的差的绝对值。请你在删掉元素的结果数组中，返回最长的且只包含 1 的非空子数组的长度。中对应的子字符串，则返回可以转化的最大长度。除此以外，还给你一个整数。的单个子字符串中可能包含的最大元音字母数。返回为了使剩余数组平衡，需要移除的元素的。的子数组中所有元素的平均值，即下标在。]]></description><category></category></item><item><title><![CDATA[栈与队列 | CPP+LeetCode]]></title><link>https://blog.youkuaiyun.com/L2037163949/article/details/157683855</link><guid>https://blog.youkuaiyun.com/L2037163949/article/details/157683855</guid><author>L2037163949</author><pubDate>Tue, 03 Feb 2026 08:26:24 +0800</pubDate><description><![CDATA[天，下一个更高温度出现在几天后。如果气温在这之后都不会升高，请在该位置用。的滑动窗口从数组的最左侧移动到数组的最右侧。你只可以看到在滑动窗口内的。请你仅使用两个栈实现先入先出队列。在完成所有重复项删除操作后返回最终的字符串。逆波兰表达式是一种后缀表达式，所谓后缀就是指算符写在后面。上反复执行重复项删除操作，直到无法继续删除。返回一个表示表达式值的整数。会选择两个相邻且相同的字母，并删除它们。滑动窗口每次只向右移动一位。，表示每天的温度，返回一个数组。给出由小写字母组成的字符串。，判断字符串是否有效。]]></description><category></category></item><item><title><![CDATA[Smart Agricultural Technology | GApose-GS面向更精准表型的全局自适应位姿优化 3D Gaussian Splatting 植物三维重建]]></title><link>https://blog.youkuaiyun.com/L2037163949/article/details/157512697</link><guid>https://blog.youkuaiyun.com/L2037163949/article/details/157512697</guid><author>L2037163949</author><pubDate>Thu, 29 Jan 2026 16:40:40 +0800</pubDate><description><![CDATA[植物三维重建要服务"高通量表型"，不仅要看得像，还要量得准。但在真实采集里，风、叶片摆动、遮挡、背景干扰等会让相机初始位姿误差累积，导致 3DGS/NeRF 的细节与几何都偏。本文提出一套"全局自适应位姿优化 + 高效 3DGS 重建 + 面向表型的点云处理/边界提取"流程：通过全局位姿恢复与鲁棒优化把相机位姿与点云统一到稳定的解空间，再用动态高斯优化提升细节与几何，从而让 PSNR/SSIM 更高、重建更快，并把表型误差压到更低。]]></description><category></category></item><item><title><![CDATA[字符串算法 | CPP + LeetCode]]></title><link>https://blog.youkuaiyun.com/L2037163949/article/details/157475698</link><guid>https://blog.youkuaiyun.com/L2037163949/article/details/157475698</guid><author>L2037163949</author><pubDate>Wed, 28 Jan 2026 17:53:16 +0800</pubDate><description><![CDATA[你在与一位习惯从右往左阅读的朋友发消息，他发出的文字顺序都与正常相反但单词内容正确，为了和他顺利交流你决定写一个转换程序，把他所发的消息。中可能会存在前导空格、尾随空格或者单词间的多个空格。返回的结果字符串中，单词间应当仅用单个空格分隔，且不包含任何额外的空格。编写一个函数，其作用是将输入的字符串反转过来。修改输入数组**、使用 O(1) 的额外空间解决这一问题。字符串的第一个匹配项的下标（下标从 0 开始）。，检查是否可以通过由它的一个子串重复多次构成。不要给另外的数组分配额外的空间，你必须**]]></description><category></category></item><item><title><![CDATA[链表+哈希表 | CPP+LeetCode]]></title><link>https://blog.youkuaiyun.com/L2037163949/article/details/157441685</link><guid>https://blog.youkuaiyun.com/L2037163949/article/details/157441685</guid><author>L2037163949</author><pubDate>Tue, 27 Jan 2026 23:19:15 +0800</pubDate><description><![CDATA[指针再次到达，则链表中存在环。为了表示给定链表中的环，评测系统内部使用整数。指针再次到达，则链表中存在环。为了表示给定链表中的环，评测系统内部使用整数。你可以假设每种输入只会对应一个答案，并且你不能使用两次相同的元素。来表示链表尾连接到链表中的位置（索引从 0 开始）。**注意：**答案中不可以包含重复的三元组。，返回链表开始入环的第一个节点。仅仅是为了标识链表的实际情况。来表示链表尾连接到链表中的位置（给定一个链表，删除链表的倒数第。个结点，并且返回链表的头结点。，仅仅是为了标识链表的实际情况。]]></description><category></category></item><item><title><![CDATA[链表算法分享 | PART ONE (CPP+LeetCode)]]></title><link>https://blog.youkuaiyun.com/L2037163949/article/details/157406810</link><guid>https://blog.youkuaiyun.com/L2037163949/article/details/157406810</guid><author>L2037163949</author><pubDate>Tue, 27 Jan 2026 01:02:46 +0800</pubDate><description><![CDATA[有一个单链表的 ，我们想删除它其中的一个节点 。给你一个需要删除的节点  。你将 无法访问 第一个节点 。链表的所有值都是 唯一的，并且保证给定的节点  不是链表中的最后一个节点。删除给定的节点。注意，删除节点并不是指从内存中删除它。这里的意思是：

234. 回文链表
给你一个单链表的头节点  ，请你判断该链表是否为回文链表。如果是，返回  ；否则，返回  。

707. 设计链表
你可以选择使用单链表或者双链表，设计并实现自己的链表。单链表中的节点应该具备两个属性： 和  。 是当前节点的值， 是指向下]]></description><category></category></item><item><title><![CDATA[数组算法分享 | 代码随想录(CPP+LeetCode)]]></title><link>https://blog.youkuaiyun.com/L2037163949/article/details/157224877</link><guid>https://blog.youkuaiyun.com/L2037163949/article/details/157224877</guid><author>L2037163949</author><pubDate>Wed, 21 Jan 2026 23:45:12 +0800</pubDate><description><![CDATA[后面有 C++ 中 vector 一维、二维数组的使用说明。如果不存在符合条件的子数组，返回。元素的顺序可能发生改变。所有元素，且元素按顺时针顺序螺旋排列的。个元素有序的（升序）整型数组。找出该数组中满足其总和大于等于。个正整数的数组和一个正整数。存在返回下标，否则返回。组成的新数组，要求也按。]]></description><category></category></item><item><title><![CDATA[2024 CVPR | Gaussian-Flow：基于双域形变模型的 4D 动态场景重建与实时渲染]]></title><link>https://blog.youkuaiyun.com/L2037163949/article/details/156108389</link><guid>https://blog.youkuaiyun.com/L2037163949/article/details/156108389</guid><author>L2037163949</author><pubDate>Sat, 20 Dec 2025 11:52:17 +0800</pubDate><description><![CDATA[解决动态场景重建中训练慢、渲染效率低的问题，突破传统 NeRF 类方法的计算瓶颈，同时避免逐帧 3DGS 建模的存储冗余，实现从单目 / 多视角视频中高效重建 4D 动态场景并支持实时渲染。提出 Gaussian-Flow 框架，基于纯显式 3D 高斯粒子实现 4D 动态场景重建，兼顾训练效率与渲染速度，训练比逐帧 3DGS 快 5 倍，渲染达实时水平。设计双域形变模型（DDDM），融合多项式与傅里叶级数拟合，高效捕捉平滑与剧烈运动，突破单一域拟合的局限。]]></description><category></category></item><item><title><![CDATA[CVPR 2025 | 无需运动恢复结构（SfM）的层级训练三维高斯溅射（3D Gaussian Splatting）]]></title><link>https://blog.youkuaiyun.com/L2037163949/article/details/155894697</link><guid>https://blog.youkuaiyun.com/L2037163949/article/details/155894697</guid><author>L2037163949</author><pubDate>Sun, 14 Dec 2025 00:32:28 +0800</pubDate><description><![CDATA[去除三维高斯溅射（3DGS）所依赖的运动恢复结构（SfM）预处理步骤（包括相机位姿和稀疏点云），实现 “无需已知位姿” 的视频输入三维高斯溅射。利用视频帧插值平滑相机运动，提高相对位姿估计精度。提出层级训练/合并策略，解决无运动恢复结构情况下的初始化和密度控制难题，且该策略可解释为一种密集化方法。多源监督：复用基础三维高斯溅射模型的渲染结果和视频帧插值帧，降低重训练过程中的过拟合。整体形成无需运动恢复结构的三维高斯溅射流水线，在多个数据集上显著超越现有的无运动恢复结构新视角合成方法。]]></description><category></category></item><item><title><![CDATA[Luminance-GS]]></title><link>https://blog.youkuaiyun.com/L2037163949/article/details/155619377</link><guid>https://blog.youkuaiyun.com/L2037163949/article/details/155619377</guid><author>L2037163949</author><pubDate>Sat, 06 Dec 2025 00:41:42 +0800</pubDate><description><![CDATA[在多样的真实世界光照条件下捕获高质量图像是一项具有挑战性的任务，因为自然光照（如低光）和相机曝光设置（如曝光时间）都会显著影响图像质量。在多视角场景中，这一挑战更加突出，因为不同视角间的光照和图像信号处理器（ISP）设置的差异会引入光度不一致性。这些光照退化与视角相关的变化给基于 NeRF（神经辐射场）和 3D Gaussian Splatting（3DGS）的新视角合成（NVS）框架带来大量挑战。为此，我们提出。]]></description><category></category></item><item><title><![CDATA[COB-GS: 基于边界自适应高斯划分的 3DGS 语义分割中清晰的物体边界]]></title><link>https://blog.youkuaiyun.com/L2037163949/article/details/155398978</link><guid>https://blog.youkuaiyun.com/L2037163949/article/details/155398978</guid><author>L2037163949</author><pubDate>Sun, 30 Nov 2025 02:02:42 +0800</pubDate><description><![CDATA[在 3D 视觉领域中，实现精准的物体分割对于高质量的场景理解至关重要。然而，基于 3D Gaussian Splatting（3DGS）的三维分割方法在准确描绘物体边界上仍存在困难。]]></description><category></category></item><item><title><![CDATA[3D Gaussian Splatting（3DGS）——论文要点与代码实现]]></title><link>https://blog.youkuaiyun.com/L2037163949/article/details/155142016</link><guid>https://blog.youkuaiyun.com/L2037163949/article/details/155142016</guid><author>L2037163949</author><pubDate>Sun, 23 Nov 2025 00:43:22 +0800</pubDate><description><![CDATA[3D Gaussian Splatting 的核心是用可优化的 3D 高斯点（Gaussian）来表示场景，每个点携带位置、颜色（以球谐系数表示）、尺度、旋转和不透明度。通过渲染器将这些高斯在屏幕上投影并融合，优化点的参数以重建多视角图像与生成新视角。论文原话（意译）：我们将场景表示为一组带有各向异性协方差、颜色与不透明度的 3D 高斯原语，这些参数通过端到端优化自多视角图像监督中学习得到。我们在 3D 空间里放了很多“会发光的小球”（高斯点）；]]></description><category></category></item><item><title><![CDATA[【论文阅读 | 基于深度学习的三维重建方法综述】]]></title><link>https://blog.youkuaiyun.com/L2037163949/article/details/153277906</link><guid>https://blog.youkuaiyun.com/L2037163949/article/details/153277906</guid><author>L2037163949</author><pubDate>Tue, 14 Oct 2025 23:45:29 +0800</pubDate><description><![CDATA[本文综述了深度学习在三维重建中的应用与最新进展，深入探讨了该领域的多种技术方法和前沿趋势。通过大规模数据集训练后，深度学习能够自动提取图像中的特征，从而实现对三维形状的精确重建。本文介绍了基于深度学习的三维重建方法，这些方法包含显式表示、隐式表示两类不同的表示方式。此外，本文还介绍了经典的三维重建数据集，这些数据集为深度学习模型的训练和验证提供了宝贵的数据资源。最后，本文对三维重建的研究方向进行了总结与展望。总结。]]></description><category></category></item></channel></rss>