HDU 1754 I Hate It

本文深入探讨了线段树算法,一种高效的数据结构用于解决区间查询和更新问题。通过具体的编程实现,展示了如何构建线段树,进行节点更新以及区间查询,特别关注于求区间最大值的应用场景。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

很多学校流行一种比较的习惯。老师们很喜欢询问,从某某到某某当中,分数最高的是多少。
这让很多学生很反感。

不管你喜不喜欢,现在需要你做的是,就是按照老师的要求,写一个程序,模拟老师的询问。当然,老师有时候需要更新某位同学的成绩。

Input

本题目包含多组测试,请处理到文件结束。
在每个测试的第一行,有两个正整数 N 和 M ( 0<N<=200000,0<M<5000 ),分别代表学生的数目和操作的数目。
学生ID编号分别从1编到N。
第二行包含N个整数,代表这N个学生的初始成绩,其中第i个数代表ID为i的学生的成绩。
接下来有M行。每一行有一个字符 C (只取'Q'或'U') ,和两个正整数A,B。
当C为'Q'的时候,表示这是一条询问操作,它询问ID从A到B(包括A,B)的学生当中,成绩最高的是多少。
当C为'U'的时候,表示这是一条更新操作,要求把ID为A的学生的成绩更改为B。

Output

对于每一次询问操作,在一行里面输出最高成绩。

Sample Input

5 6
1 2 3 4 5
Q 1 5
U 3 6
Q 3 4
Q 4 5
U 2 9
Q 1 5

Sample Output

5
6
5
9

线段树 改点求区间最值模型

用了三个操作:建树,更新,查询

 

#include <iostream>
#include <cstdio>
#include <cstring>
#include <algorithm>
#define lson l,m,i<<1
#define rson m+1,r,i<<1|1
using namespace std;
const int MAXN = 2e5 + 10;
int ans;
typedef struct Node
{
    int l,r,v;
    int mid()
    {
        return (l+r)/2.0;
    }
} Node;
Node node[MAXN<<2];

void push_up(int i)//往上更新
{
    node[i].v=max(node[i<<1].v,node[i<<1|1].v);
}

void Build(int l,int r, int i)
{
    node[i].l=l;
    node[i].r=r;
    node[i].v=0;
    if(l==r)
    {
        cin>>node[i].v;
        return ;
    }
    int m=node[i].mid();
    Build(lson);
    Build(rson);
    push_up(i);
    return ;
}

void Update(int l,int r,int i,int num,int v)
{
    if(l==r && l==num)  //易错
    {
        node[i].v=v;
        return ;
    }
    int m=node[i].mid();
    if(num<=m)
        Update(l,m,i<<1,num,v);
    else
        Update(m+1,r,i<<1|1,num,v);
    push_up(i);
    return ;
}

void query(int l,int r,int i)
{
    if(node[i].l==l && node[i].r==r)
    {
        ans=max(node[i].v,ans);
        return ;
    }
    int m=node[i].mid();
    if(r<=m)
    {
        query(l,r,i<<1);
    }
    else
    {
        if(l>m)
            query(l,r,i<<1|1);
        else
        {
            query(l,m,i<<1);
            query(m+1,r,i<<1|1);
        }
    }
    return ;
}

int main()
{
    ios::sync_with_stdio(false);
    int i,j,n,m;
    while(cin>>n>>m)
    {
        Build(1,n,1);
        for(i=0; i<m; i++)
        {
            int a,b;
            char c;
            scanf(" %c%d%d",&c,&a,&b);
            if(c=='Q')
            {
                ans=0;
                query(a,b,1);
                printf("%d\n",ans);
            }
            else if(c=='U')
                Update(1,n,1,a,b);
        }
    }
    return 0;
}

 

内容概要:本文详细介绍了名为MoSca的系统,该系统旨在从单目随意拍摄的视频中重建和合成动态场景的新视角。MoSca通过4D Motion Scaffolds(运动支架)将视频数据转化为紧凑平滑编码的Motion Scaffold表示,并将场景几何和外观与变形场解耦,通过高斯融合进行优化。系统还解决了相机焦距和姿态的问题,无需额外的姿态估计工具。文章不仅提供了系统的理论背景,还给出了基于PyTorch的简化实现代码,涵盖MotionScaffold、GaussianFusion、MoScaSystem等核心组件。此外,文中深入探讨了ARAP变形模型、2D先验到3D的提升、动态高斯表示、相机参数估计等关键技术,并提出了完整的训练流程和性能优化技巧。 适用人群:具备一定计算机视觉和深度学习基础的研究人员和工程师,特别是对动态场景重建和新视角合成感兴趣的从业者。 使用场景及目标:①从单目视频中重建动态场景的新视角;②研究和实现基于4D Motion Scaffolds的动态场景表示方法;③探索如何利用预训练视觉模型的先验知识提升3D重建质量;④开发高效的动态场景渲染和优化算法。 其他说明:本文提供了详细的代码实现,包括简化版和深入扩展的技术细节。阅读者可以通过代码实践加深对MoSca系统的理解,并根据具体应用场景调整和扩展各个模块。此外,文中还强调了物理启发的正则化项和多模态先验融合的重要性,帮助实现更合理的变形和更高质量的渲染效果。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值