<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[buganything的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/buganything</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; buganything]]></copyright><item><title><![CDATA[《Prompt Engineering Guide》 提示工程 ＜一、 简介＞]]></title><link>https://blog.youkuaiyun.com/buganything/article/details/153254044</link><guid>https://blog.youkuaiyun.com/buganything/article/details/153254044</guid><author>buganything</author><pubDate>Tue, 14 Oct 2025 13:17:19 +0800</pubDate><description><![CDATA[本文介绍了提示工程（Prompt Engineering）的基本概念和实用技巧，重点围绕如何优化大语言模型（LLM）的提示词设计。主要内容包括： 大语言模型关键参数配置：如Temperature（控制输出随机性）、Top_p（筛选高置信度结果）、MaxLength（限制响应长度）等参数的调节方法及应用场景。 提示词基本要素：指令、上下文、输入数据和输出指示的组成方式，并通过文本分类示例展示具体应用。 设计提示的实用技巧： 从简单开始逐步迭代 使用明确指令（如&quot;总结&quot;、&quot;翻译&q]]></description><category></category></item><item><title><![CDATA[少即是多：微型网络的递归推理 ——在没有蛮力的时候，我们有更多的路可以走]]></title><link>https://blog.youkuaiyun.com/buganything/article/details/153053595</link><guid>https://blog.youkuaiyun.com/buganything/article/details/153053595</guid><author>buganything</author><pubDate>Sat, 11 Oct 2025 17:58:32 +0800</pubDate><description><![CDATA[本文提出微型递归模型(TRM)作为层次推理模型(HRM)的简化改进版本。TRM通过单一微型网络实现递归推理，无需依赖复杂数学定理或生物机制，显著降低了参数数量和计算复杂度。实验表明，仅700万参数的TRM在ARC-AGI等复杂任务中表现优于传统HRM和大型语言模型，如ARC-AGI-1测试准确率达45%。该模型采用两层结构、深度监督和指数移动平均等技术，在数独、迷宫等任务中展现出更强的泛化能力。研究还探讨了网络架构、递归次数等关键因素对性能的影响，为小型高效推理模型的发展提供了新思路。]]></description><category></category></item><item><title><![CDATA[无声视频自动配音效，开源模型thinksound 和mmaudio复现]]></title><link>https://blog.youkuaiyun.com/buganything/article/details/149442167</link><guid>https://blog.youkuaiyun.com/buganything/article/details/149442167</guid><author>buganything</author><pubDate>Fri, 18 Jul 2025 13:23:36 +0800</pubDate><description><![CDATA[最近ASMR 的视频蛮火的，就是切开任何东西会发出声音，但我看教程都是走到app 的自动生成音效感觉无趣，还是自己复现]]></description><category></category></item><item><title><![CDATA[ComfyUI_PuLID_Flux 和ComfyUI_PuLID_Flux_ll 的复现]]></title><link>https://blog.youkuaiyun.com/buganything/article/details/146097366</link><guid>https://blog.youkuaiyun.com/buganything/article/details/146097366</guid><author>buganything</author><pubDate>Fri, 07 Mar 2025 15:46:44 +0800</pubDate><description><![CDATA[效果不错的基于flux 的脸部参考 文生图]]></description><category></category></item><item><title><![CDATA[复现Qwen-Audio 千问]]></title><link>https://blog.youkuaiyun.com/buganything/article/details/144720685</link><guid>https://blog.youkuaiyun.com/buganything/article/details/144720685</guid><author>buganything</author><pubDate>Wed, 25 Dec 2024 15:26:28 +0800</pubDate><description><![CDATA[（Qwen 大型音频语言模型）是阿里云提出的大型模型系列 Qwen（简称通义千文）的多模态版本。Qwen-Audio 接受各种音频（人类语音、自然声音、音乐和歌曲）和文本作为输入、输出文本。QwenLM/Qwen-Audio：Qwen-Audio（通义千问-Audio）聊天的官方仓库和由阿里云提出的预训练大型音频语言模型。query 传入的是音频地址，text是提示词 ，因为可以连续问答，所有history可以多加利用。复现没遇到什么问题，如果遇到问题，请留言。3、新建test.py 复制下面代码。]]></description><category></category></item><item><title><![CDATA[最新的强大的文生视频模型Pyramid Flow 论文阅读及复现]]></title><link>https://blog.youkuaiyun.com/buganything/article/details/144720056</link><guid>https://blog.youkuaiyun.com/buganything/article/details/144720056</guid><author>buganything</author><pubDate>Wed, 25 Dec 2024 15:16:41 +0800</pubDate><description><![CDATA[论文提出了一种高效的视频生成建模方法，称为金字塔流匹配，旨在通过降低计算复杂度来优化视频生成过程。该方法避免了直接在全分辨率下进行训练，而是将视频生成过程分解为多个在不同分辨率下运行的金字塔阶段，仅在最终阶段达到全分辨率。连续性：不同金字塔阶段的生成轨迹相互链接，后续阶段继续从前一阶段生成，避免了每个阶段从纯噪声重新生成的需要。统一模型：与为每个图像金字塔使用独立模型不同，金字塔流匹配算法将它们集成到一个统一的模型中，通过端到端优化实现更优雅的实现，并大幅加快训练速度。]]></description><category></category></item><item><title><![CDATA[分享部分dance 数据集]]></title><link>https://blog.youkuaiyun.com/buganything/article/details/144220339</link><guid>https://blog.youkuaiyun.com/buganything/article/details/144220339</guid><author>buganything</author><pubDate>Tue, 03 Dec 2024 17:56:56 +0800</pubDate><description><![CDATA[分享一些dance 数据集]]></description><category></category></item><item><title><![CDATA[复现《Bidirectionally Deformable Motion Modulation》代码简单说明]]></title><link>https://blog.youkuaiyun.com/buganything/article/details/144219966</link><guid>https://blog.youkuaiyun.com/buganything/article/details/144219966</guid><author>buganything</author><pubDate>Tue, 03 Dec 2024 17:42:26 +0800</pubDate><description><![CDATA[代码复现Bdmm]]></description><category></category></item><item><title><![CDATA[读论文《Bidirectionally Deformable Motion Modulation For Video-based Human Pose Transfer》]]></title><link>https://blog.youkuaiyun.com/buganything/article/details/144181770</link><guid>https://blog.youkuaiyun.com/buganything/article/details/144181770</guid><author>buganything</author><pubDate>Mon, 02 Dec 2024 10:56:22 +0800</pubDate><description><![CDATA[本文提出了一种新颖的变形运动调制（Deformable Motion Modulation, DMM）方法，用于基于视频的人体姿态转移任务，该任务旨在根据一系列目标人体姿态来动画化一个简单的源人体图像。针对在服装结构图案传递和不连续姿态上存在的问题，现有方法常常产生不满意的结果，如扭曲的纹理和闪烁的伪影。我们的方法利用几何核偏移和自适应权重调制来同时执行特征对齐和风格迁移。与通常的风格调制不同，我们提出的调制机制根据目标形状通过不规则的感受野来适应性地重建风格代码的平滑帧。为了增强时空一致性，我们。]]></description><category></category></item><item><title><![CDATA[pyrender.render flag 参数记录]]></title><link>https://blog.youkuaiyun.com/buganything/article/details/143979195</link><guid>https://blog.youkuaiyun.com/buganything/article/details/143979195</guid><author>buganything</author><pubDate>Fri, 22 Nov 2024 17:31:36 +0800</pubDate><description><![CDATA[本来是为了提速render，记录下内部的一些参数的含义。]]></description><category></category></item><item><title><![CDATA[读论文《MVSplat360: Feed-Forward 360 Scene Synthesis from Sparse Views》]]></title><link>https://blog.youkuaiyun.com/buganything/article/details/143674519</link><guid>https://blog.youkuaiyun.com/buganything/article/details/143674519</guid><author>buganything</author><pubDate>Mon, 11 Nov 2024 10:33:56 +0800</pubDate><description><![CDATA[MVSplat360是一种前馈方法，用于从稀疏视图合成多样化真实世界场景的360°新视角（NVS）。这种设置由于输入视图之间的最小重叠和提供的视觉信息不足，本质上是不适定的，使得传统方法难以实现高质量的结果。MVSplat360通过有效地结合几何感知的3D重建和时间一致的视频生成来解决这个问题。具体来说，它重构了一个前馈3D高斯绘制（3DGS）模型，将特征直接渲染到预训练的稳定视频扩散（SVD）模型的潜在空间中，这些特征然后作为姿态和视觉线索指导去噪过程，产生逼真的3D一致视图。]]></description><category></category></item><item><title><![CDATA[模型自动绑骨，在线生成动画，神奇的网站《Mixamo》]]></title><link>https://blog.youkuaiyun.com/buganything/article/details/143518401</link><guid>https://blog.youkuaiyun.com/buganything/article/details/143518401</guid><author>buganything</author><pubDate>Tue, 05 Nov 2024 18:10:28 +0800</pubDate><description><![CDATA[模型自动绑骨，在线生成动画，神奇的网站《Mixamo》]]></description><category></category></item><item><title><![CDATA[读论文和复现《Champ: Controllable and Consistent Human Image Animation with 3D Parametric Guidance》]]></title><link>https://blog.youkuaiyun.com/buganything/article/details/143516119</link><guid>https://blog.youkuaiyun.com/buganything/article/details/143516119</guid><author>buganything</author><pubDate>Tue, 05 Nov 2024 17:50:42 +0800</pubDate><description><![CDATA[本研究介绍了一种通过在潜在扩散框架内利用3D人体参数模型来增强形状对齐和运动指导的人类图像动画方法。该方法使用SMPL（Skinned Multi-Person Linear）模型作为3D人体参数模型，以建立身体形状和姿态的统一表示，从而准确捕捉源视频中复杂的人体几何和运动特征。通过结合SMPL序列生成的渲染深度图像、法线贴图和语义贴图，以及基于骨骼的运动指导，为潜在扩散模型提供了全面的3D形状和详细姿态属性。采用集成自注意力机制的多层运动融合模块，在空间域中融合形状和运动潜在表示。]]></description><category></category></item><item><title><![CDATA[读论文《ECON: Explicit Clothed humans Optimized via Normal integration》]]></title><link>https://blog.youkuaiyun.com/buganything/article/details/142787852</link><guid>https://blog.youkuaiyun.com/buganything/article/details/142787852</guid><author>buganything</author><pubDate>Wed, 09 Oct 2024 15:33:33 +0800</pubDate><description><![CDATA[本文提出了一种名为ECON的方法，用于从单张彩色图像中重建详细的3D人体模型。该方法结合了显式人体参数化模型和隐式表示的长处，通过三个步骤实现：(1) 预测服装人体前后表面的2D法线图；(2) 将法线图转换成2.5D的前后表面，并使用SMPL-X模型进行对齐；(3) 填补两个表面之间的缺失几何结构。此外，可以选择使用SMPL-X中的面部和手部替换细节部分。ECON在CAPE和Renderpeople数据集上的定量评估中超越了先前的方法，并且在感知研究中也显示出更好的真实感。]]></description><category></category></item><item><title><![CDATA[读论文《3DTOPIA-XL: SCALING HIGH-QUALITY 3D ASSET GENERATION VIA PRIMITIVE DIFFUSION》]]></title><link>https://blog.youkuaiyun.com/buganything/article/details/142657545</link><guid>https://blog.youkuaiyun.com/buganything/article/details/142657545</guid><author>buganything</author><pubDate>Mon, 30 Sep 2024 15:33:31 +0800</pubDate><description><![CDATA[给定一个纹理化的3D网格，我们将其3D形状建模为符号距离函数（SDF），并且给定形状表面的邻域，我们定义了空间变化的颜色函数和材料函数。所有形状、纹理和材料信息可以由体积函数参数化。PrimX表示法的目标是近似这个体积函数，通过一组分布在网格表面的体积原始图元来实现。每个原始图元是一个小体素，由其3D位置、全局缩放因子和对应的空间变化特征负载参数化。这些原始图元的加权组合用于近似纹理网格。PrimX：提出了一种新的3D表示方法，将3D形状、纹理和材料表示为紧凑的N×D张量。原始图元压缩。]]></description><category></category></item><item><title><![CDATA[图像推理拼接问题]]></title><link>https://blog.youkuaiyun.com/buganything/article/details/142650373</link><guid>https://blog.youkuaiyun.com/buganything/article/details/142650373</guid><author>buganything</author><pubDate>Mon, 30 Sep 2024 10:13:45 +0800</pubDate><description><![CDATA[2、叠加拼接，例：将图像大小设置64，步长48，这样机会有部分叠加在一起，记录每个像素的叠加次数最后做个除法。推理的时候因为类似图片过大等原因需要对图像分patch后推理再拼接回来，但是拼接的过程中很容易遇到拼接处不自然的情况，这里记录部分方法。2、因为要取中间的作为拼接块，要考虑边缘，如果取中间32大小，每个边缘需要填充 （96-32）/2 最后的大小为（448，448）1、为了使的每个推理块都相同大小，需要为原图像添加边缘 ，如果要取96推理块，则添加需要把原图填充为（4*96，384）大小。]]></description><category></category></item><item><title><![CDATA[读论文《STORYMAKER: TOWARDS HOLISTIC CONSISTENT CHARACTERS IN TEXT-TO-IMAGE GENERATION》]]></title><link>https://blog.youkuaiyun.com/buganything/article/details/142638232</link><guid>https://blog.youkuaiyun.com/buganything/article/details/142638232</guid><author>buganything</author><pubDate>Sun, 29 Sep 2024 16:32:46 +0800</pubDate><description><![CDATA[StoryMaker 模型旨在解决现有文本到图像生成方法中缺乏多角色场景全面一致性的问题。该模型不仅保持了面部特征的一致性，还关注了服装、发型和身体的一致性，从而有助于通过一系列图像来构建故事。通过使用位置感知感知重采样器（Positional-aware Perceiver Resampler，PPR）整合面部身份信息和裁剪后的角色图像，StoryMaker 能够生成具有独特角色特征的图像。此外，为了防止多个角色和背景相互干扰，]]></description><category></category></item><item><title><![CDATA[读论文《OmniGen: Unified Image Generation》]]></title><link>https://blog.youkuaiyun.com/buganything/article/details/142516914</link><guid>https://blog.youkuaiyun.com/buganything/article/details/142516914</guid><author>buganything</author><pubDate>Wed, 25 Sep 2024 11:07:11 +0800</pubDate><description><![CDATA[大型语言模型 （LLM） 的出现统一了语言生成任务，并彻底改变了人机交互。然而，在图像生成领域，能够在单个框架内处理各种任务的统一模型在很大程度上仍未得到探索。在这项工作中，我们介绍了 OmniGen，这是一种用于统一图像生成的新扩散模型。与流行的扩散模型（例如 Stable Diffusion）不同，OmniGen 不再需要 ControlNet 或 IP 适配器等额外模块来处理各种控制条件。]]></description><category></category></item><item><title><![CDATA[读论文《Hi3D: Pursuing High-Resolution Image-to-3D Generation with Video Diffusion Models》]]></title><link>https://blog.youkuaiyun.com/buganything/article/details/142391790</link><guid>https://blog.youkuaiyun.com/buganything/article/details/142391790</guid><author>buganything</author><pubDate>Fri, 20 Sep 2024 17:59:39 +0800</pubDate><description><![CDATA[尽管图像到3D生成领域取得了巨大进展，现有方法在生成具有高分辨率纹理细节的多视角一致图像方面仍然存在挑战，尤其是在缺乏3D感知的2D扩散模型范式中。本文提出了一种名为Hi3D的高分辨率图像到3D生成框架，该框架首先从输入图像生成多视角一致的图像，然后从这些生成的图像重建高保真的3D网格。Hi3D通过利用预训练的视频扩散模型，将单图像到多视角图像的转换重新定义为3D感知的序列图像生成（即轨道视频生成）。这种方法深入挖掘了视频扩散模型中的时间一致性知识，这些知识可以很好地推广到3D生成中的几何一致性。]]></description><category></category></item><item><title><![CDATA[读论文-使用潜在扩散模型进行高分辨率图像合成]]></title><link>https://blog.youkuaiyun.com/buganything/article/details/142391031</link><guid>https://blog.youkuaiyun.com/buganything/article/details/142391031</guid><author>buganything</author><pubDate>Fri, 20 Sep 2024 17:35:57 +0800</pubDate><description><![CDATA[论文名称：High-Resolution Image Synthesis with Latent Diffusion Models潜在扩散模型（LDMs）通过在预训练的自动编码器的潜在空间中应用扩散模型，实现了高分辨率图像合成。这种方法的关键是在像素空间和潜在空间之间找到一个平衡点，既能减少计算复杂性，又能保留足够的细节信息。]]></description><category></category></item></channel></rss>