<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[cgsmalcloud的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/cgsmalcloud</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; cgsmalcloud]]></copyright><item><title><![CDATA[Deepsdf论文复现-ubuntu20.04-2023.04.08]]></title><link>https://blog.youkuaiyun.com/cgsmalcloud/article/details/130024637</link><guid>https://blog.youkuaiyun.com/cgsmalcloud/article/details/130024637</guid><author>cgsmalcloud</author><pubDate>Sat, 08 Apr 2023 09:37:37 +0800</pubDate><description><![CDATA[【代码】Deepsdf论文复现-ubuntu20.04-2023.04.08。]]></description><category></category></item><item><title><![CDATA[Transformer笔记]]></title><link>https://blog.youkuaiyun.com/cgsmalcloud/article/details/121635751</link><guid>https://blog.youkuaiyun.com/cgsmalcloud/article/details/121635751</guid><author>cgsmalcloud</author><pubDate>Tue, 30 Nov 2021 16:54:25 +0800</pubDate><description><![CDATA[自注意力机制
去处理输入是一个向量序列的情况，向量的数目可以改变。
输入

句子：句子中的词汇不一样，编码方式：One-hot Encoding（无语义信息）Word Embedding（含语义信息，每个单词的具体含义与其编码相关）
声音讯号
一个图（Graph）：例如一个社会关系图、化学分子等

输出

每个输入的向量均有一个标签的输出：例如分析句子中每个词汇的词性。
一整个序列只需要一个输出标签：判断句子是积极的还是消极的。判断一句语音是哪个人说的。
无确定长度的输出，由模型自己决定：SEQ2SEQ，例]]></description><category></category></item><item><title><![CDATA[计算机图形学（七）——Phong光照模型]]></title><link>https://blog.youkuaiyun.com/cgsmalcloud/article/details/120470810</link><guid>https://blog.youkuaiyun.com/cgsmalcloud/article/details/120470810</guid><author>cgsmalcloud</author><pubDate>Sat, 25 Sep 2021 16:34:14 +0800</pubDate><description><![CDATA[计算机图形学（七）——Phong光照模型Phong光照反射模型点光源环境光漫反射镜面反射
Phong光照反射模型
Phong反射模型认为来自一个表面的反射由下面三个线性叠加的分量组成：
反射光=环境光+漫反射光+镜面反射光
某一点的光照强度
I=Ia+Id+Is=La∗Ra+Ld∗Rd+Ls∗Rs .I = I_{a}+I_{d}+I_{s} = L_{a}*R_{a}+L_{d}*R_{d}+L_{s} *R_{s}\,.I=Ia​+Id​+Is​=La​∗Ra​+Ld​∗Rd​+Ls​∗Rs​.
点光源]]></description><category></category></item><item><title><![CDATA[import open3d出现问题double free or corruption (out)]]></title><link>https://blog.youkuaiyun.com/cgsmalcloud/article/details/120056193</link><guid>https://blog.youkuaiyun.com/cgsmalcloud/article/details/120056193</guid><author>cgsmalcloud</author><pubDate>Thu, 02 Sep 2021 10:45:59 +0800</pubDate><description><![CDATA[使用pip install open3d后，运行代码有问题，会出现如下问题：
double free or corruption (out)
或者malloc(): corrupted top size

解决只需将open3d放置顶端import即可完美解决

]]></description><category></category></item><item><title><![CDATA[ubuntu安装pytorch3d]]></title><link>https://blog.youkuaiyun.com/cgsmalcloud/article/details/116566121</link><guid>https://blog.youkuaiyun.com/cgsmalcloud/article/details/116566121</guid><author>cgsmalcloud</author><pubDate>Sun, 09 May 2021 16:12:30 +0800</pubDate><description><![CDATA[第一步
# Install latest from GitHub
pip install -U 'git+https://github.com/facebookresearch/fvcore'
pip install -U 'git+https://github.com/facebookresearch/iopath'
https://github.com/NVIDIA/cub/archive/refs/tags/1.10.0.tar.gz

第二步
pip install scikit-image mat]]></description><category></category></item><item><title><![CDATA[E: 无法获得锁 /var/lib/dpkg/lock-frontend - open (11: 资源暂时不可用 E: 无法获取 dpkg 前端锁 (/var/lib/dpkg/lock-front)]]></title><link>https://blog.youkuaiyun.com/cgsmalcloud/article/details/116564269</link><guid>https://blog.youkuaiyun.com/cgsmalcloud/article/details/116564269</guid><author>cgsmalcloud</author><pubDate>Sun, 09 May 2021 14:13:46 +0800</pubDate><description><![CDATA[ubuntu出现问题
E: 无法获得锁 /var/lib/dpkg/lock-frontend - open (11: 资源暂时不可用)
E: 无法获取 dpkg 前端锁 (/var/lib/dpkg/lock-frontend)，是否有其他进程正占用它？

解决方案：
sudo rm /var/lib/dpkg/lock-frontend

]]></description><category></category></item><item><title><![CDATA[ubuntu下安装asbru-cm]]></title><link>https://blog.youkuaiyun.com/cgsmalcloud/article/details/116460218</link><guid>https://blog.youkuaiyun.com/cgsmalcloud/article/details/116460218</guid><author>cgsmalcloud</author><pubDate>Thu, 06 May 2021 18:35:36 +0800</pubDate><description><![CDATA[curl -s https://packagecloud.io/install/repositories/asbru-cm/asbru-cm/script.deb.sh | sudo bash
sudo apt install asbru-cm

大功告成！

]]></description><category></category></item><item><title><![CDATA[计算机图形学——学习记录六（映射技术Texture）]]></title><link>https://blog.youkuaiyun.com/cgsmalcloud/article/details/116294140</link><guid>https://blog.youkuaiyun.com/cgsmalcloud/article/details/116294140</guid><author>cgsmalcloud</author><pubDate>Fri, 30 Apr 2021 11:05:14 +0800</pubDate><description><![CDATA[文章内容是对《3D计算机图形学》（第三版）一书的学习记录。
映射技术二维纹理映射到多边形网格物体反向映射双线性差值实现反向映射用中间表面进行反向映射S映射O映射前向映射
纹理映射可看成是一个两阶段的过程，从二维的纹理空间到物体的三维空间，然后将投影变化到二维的屏幕空间。第一个变化称为参数化，第二阶段是常规的计算图形学的投影变化。参数化就是将纹理空间中的所有点与物体的表面上的点相关联。
二维纹理映射到多边形网格物体
目前最流行的是在建模阶段将纹理空间坐标与多边形的顶点相关联。也就是相当于去找到上面所提到的参数]]></description><category></category></item><item><title><![CDATA[计算机图形学——学习记录五（物体相交：局部反射模型）]]></title><link>https://blog.youkuaiyun.com/cgsmalcloud/article/details/116270774</link><guid>https://blog.youkuaiyun.com/cgsmalcloud/article/details/116270774</guid><author>cgsmalcloud</author><pubDate>Thu, 29 Apr 2021 18:24:31 +0800</pubDate><description><![CDATA[文章内容是对《3D计算机图形学》（第三版）一书的学习记录。
物体相交：局部反射模型来自完全表面的反射来自不完全表面的反射双向反射分布函数漫反射和镜面反射分量Phong模型漫反射计算经验型散布镜面项基于物理的镜面反射模型预计算BRDF基于物理的漫反射分量
来自完全表面的反射
从考察一个光学上光滑表面也就是镜面开始。入射由fresnel公式确定，计算一个系数，这个系数将反射能量和透射能量相关联，表示为一个和入射方向、极化作用和材料性质（也就是折射角）相关的函数。在假设光是非极化的（当光波被迫在某一特定的平面上振]]></description><category></category></item><item><title><![CDATA[计算机图形学——学习记录四（物体表示的空间细分技术-体素）]]></title><link>https://blog.youkuaiyun.com/cgsmalcloud/article/details/116131350</link><guid>https://blog.youkuaiyun.com/cgsmalcloud/article/details/116131350</guid><author>cgsmalcloud</author><pubDate>Sun, 25 Apr 2021 17:17:25 +0800</pubDate><description><![CDATA[文章内容是对《3D计算机图形学》（第三版）一书的学习记录。
空间细分技术是基于体素的一个小立方体元素。将整个空间细分为规则的或者是立体的体素，根据它是处于物体当中的还是来自空的空间，对每一个体素进行标记。
在体素空间中进行光线追踪与传统的光线追踪方式相比具有很大的优势。因为在提速空间相当与在求解这样一个问题，当在跟踪一条通过体素空间的光线时，会碰到什么样的物体。
体素标记的主要问题是巨大的存储空间开销和精确度之间的一种折中。组织体素数据最常用的一种方式是八叉树，描述了空间中的物体是如何在场景多占用的三维空间]]></description><category></category></item><item><title><![CDATA[计算机图形学——学习记录三（光线相交）]]></title><link>https://blog.youkuaiyun.com/cgsmalcloud/article/details/116117310</link><guid>https://blog.youkuaiyun.com/cgsmalcloud/article/details/116117310</guid><author>cgsmalcloud</author><pubDate>Sun, 25 Apr 2021 11:14:48 +0800</pubDate><description><![CDATA[文章内容是对《3D计算机图形学》（第三版）一书的学习记录。
光线和计算机图形学
大多数情况下，将光描述为一种无限细的光束-一束光线。一条光线可以由两点或者是一个点加一个向量来定义。
光线几何
与光线相关最常见的计算就是相交测试，也就是观察一条光线是否与一个物体相交，并确定相交的位置。最通用的技术就是将场景中的物体限制在一个限定体之内，这个限定体一般是球。
首先先测试光线和球的相交，球包围着物体，如果光线和球不相交，那么它也不会和物体相交。
相交———光线与球
光线和球之间的相交计算如下：
如果光线的两端分别]]></description><category></category></item><item><title><![CDATA[计算机图形学——学习记录二(光线向量）]]></title><link>https://blog.youkuaiyun.com/cgsmalcloud/article/details/116116762</link><guid>https://blog.youkuaiyun.com/cgsmalcloud/article/details/116116762</guid><author>cgsmalcloud</author><pubDate>Sun, 25 Apr 2021 09:52:33 +0800</pubDate><description><![CDATA[该文章内容为《3D计算机图形学》（第三版）的学习记录。
与法向量反射相关的向量
有三个和表面法向量相关的重要向量，它们是光线方向向量L、反射向量或者镜像项链R以及观察向量V。
光线方向向量
光纤方向向量L的方向由表面法向的尾部到光源之间的连线的方向给出。这个方向在简单明暗处理算法中定义为当前表面的一个点。如下图。

反射方向向量
反射方向向量沿着方向L射入进来再由表面反射出去光的方向确定，这个方向也可称为镜面方向。

反射角等于入射角。
观察向量
该向量具有任意的方向，一般情况下，只对在方向L上的入射光分量]]></description><category></category></item><item><title><![CDATA[计算机图形学——学习记录一（结构变形变换）]]></title><link>https://blog.youkuaiyun.com/cgsmalcloud/article/details/116103076</link><guid>https://blog.youkuaiyun.com/cgsmalcloud/article/details/116103076</guid><author>cgsmalcloud</author><pubDate>Sat, 24 Apr 2021 21:45:36 +0800</pubDate><description><![CDATA[文章内容是对《3D计算机图形学》（第三版）一书的学习记录。
结构变形变换
对于线性变换或者是物体的移动缩放，物体的形状是不会改变的。但是结构变换会对物体产生形变，这些变换为全局变形，详细的特殊变形有变细，扭曲和弯曲。
变细操作
可以通过缩放来进行变细，选择一个变细的轴，然后沿着这个轴建立一个变细函数让其余的两个分量具有不同的缩放。例如：
如果想沿着Z轴让物体变细，那么变形公式为：
![在这里插入图片描述](https://img-blog.csdnimg.cn/20210424201026812.png)
]]></description><category></category></item><item><title><![CDATA[CVPR2021论文理解4-DexYCB: A Benchmark for Capturing Hand Grasping of Objects（数据集介绍）]]></title><link>https://blog.youkuaiyun.com/cgsmalcloud/article/details/116088229</link><guid>https://blog.youkuaiyun.com/cgsmalcloud/article/details/116088229</guid><author>cgsmalcloud</author><pubDate>Sat, 24 Apr 2021 14:07:29 +0800</pubDate><description><![CDATA[以下内容均为个人理解，如有误敬请谅解。
论文链接：https://dex-ycb.github.io/assets/chao_cvpr2021.pdf
代码链接：https://github.com/NVlabs/dex-ycb-toolkit
数据集链接：https://dex-ycb.github.io/
Abstract
该文章介绍了一个新的数据集，该数据集获取了人手抓取物体的数据集，并将该数据集应用到了2D对象和关键点检测，6D对象姿态估计和3D手姿态估计等任务中。最后，我们评估了一个新的机器人相.]]></description><category></category></item><item><title><![CDATA[CVPR2021文章理解3- Fully Understanding Generic Objects: Modeling, Segmentation, and Reconstruction]]></title><link>https://blog.youkuaiyun.com/cgsmalcloud/article/details/115670562</link><guid>https://blog.youkuaiyun.com/cgsmalcloud/article/details/115670562</guid><author>cgsmalcloud</author><pubDate>Thu, 22 Apr 2021 16:10:48 +0800</pubDate><description><![CDATA[本文仅为个人理解，如有误尽请谅解。
论文链接：https://arxiv.org/pdf/2104.00858.pdf
摘要

]]></description><category></category></item><item><title><![CDATA[CVPR2021文章理解2-POSEFusion: Pose-guided Selective Fusion for Single-view Human Volumetric Capture]]></title><link>https://blog.youkuaiyun.com/cgsmalcloud/article/details/115626167</link><guid>https://blog.youkuaiyun.com/cgsmalcloud/article/details/115626167</guid><author>cgsmalcloud</author><pubDate>Mon, 12 Apr 2021 20:21:39 +0800</pubDate><description><![CDATA[CVPR2021文章理解2-POSEFusion: Pose-guided Selective Fusion for Single-view Human Volumetric Capture



]]></description><category></category></item><item><title><![CDATA[Pycharm2019.3使用Jupyter notebook无法输出显示解决方案]]></title><link>https://blog.youkuaiyun.com/cgsmalcloud/article/details/115601435</link><guid>https://blog.youkuaiyun.com/cgsmalcloud/article/details/115601435</guid><author>cgsmalcloud</author><pubDate>Sun, 11 Apr 2021 16:43:37 +0800</pubDate><description><![CDATA[问题
pycharm安装jupyter notebook出现不能输出的情况
其中jupyter notebook的服务器已正常打开

解决方案
如图
1、在Jupter notebook配置中填入端口号，第一张图的地址‘=’前‘http://localhost:8890/?token=’

2、运行cell，出现下图

输入‘=‘后面密码 ‘’cb219f2f41d17ddba54173bbe42e299d3804a3367a3581ea’

之后就可以啦

...]]></description><category></category></item><item><title><![CDATA[机器人抓取手势分类]]></title><link>https://blog.youkuaiyun.com/cgsmalcloud/article/details/115477972</link><guid>https://blog.youkuaiyun.com/cgsmalcloud/article/details/115477972</guid><author>cgsmalcloud</author><pubDate>Wed, 07 Apr 2021 10:04:30 +0800</pubDate><description><![CDATA[抓取手势分类
抓取定义

“A grasp is every static hand posture with which an object can be held securely with one hand, irrespective of the hand orientation”

抓取是在不考虑手的方向的前提下，每一个静态的手势都能保证一个物体被手安全稳定的抓住。该定义意味着，无论手与物体之间的相对力方向如何，抓握稳定性都必须得到保证。
手势分类

每一列分为动力型（Power）、中间型（Int]]></description><category></category></item><item><title><![CDATA[手势分类]]></title><link>https://blog.youkuaiyun.com/cgsmalcloud/article/details/115391387</link><guid>https://blog.youkuaiyun.com/cgsmalcloud/article/details/115391387</guid><author>cgsmalcloud</author><pubDate>Sat, 03 Apr 2021 12:18:23 +0800</pubDate><description><![CDATA[手势分类
几篇关于手势分类的文章
1.https://link.springer.com/content/pdf/10.1007/s12193-016-0232-9.pdf
2.https://link.springer.com/content/pdf/10.1007/s12369-011-0126-7.pdf
手势触摸动作分类
第一种分类：30种
第二种分类：

抓取手势分类
未完待续

...]]></description><category></category></item><item><title><![CDATA[知识图谱的理解]]></title><link>https://blog.youkuaiyun.com/cgsmalcloud/article/details/115376884</link><guid>https://blog.youkuaiyun.com/cgsmalcloud/article/details/115376884</guid><author>cgsmalcloud</author><pubDate>Thu, 01 Apr 2021 19:52:28 +0800</pubDate><description><![CDATA[知识图谱
知识图谱，本质上旨在描述真实世界中存在的各种实体或者概念及其关系，其构成一张巨大的语义网络图，节点表示实体或者概念，边则是由属性或者关系构成。

知识图谱的定义
知识图谱之中包含多种类型的节点，诸如实体、概念、内容、属性和关系等。
知识
知识和信息是不同的，信息是指外部的的客观事实，知识是指对外部客观规律的归纳和总结。可以用图示来描述这种不同。

这样就很容易理解，在信息的基础上，建立实体之间的联系，就能形成“知识”。
实体
实体是指具有可区别性且独立存在的某种事物。如某一个人、某一个城市、某一种]]></description><category></category></item></channel></rss>