- 博客(29)
- 收藏
- 关注
RSS订阅原创 cudaMalloc第一个参数为何是指针的指针
cudaMalloc() 是 CUDA 编程中用于在 GPU 显存（device memory）上分配空间的函数，类似于 C 语言中的 malloc()，但是它分配的是 显卡显存，而不是 CPU 内存。cudaMalloc() 函数的原型为：其中，有两个参数。第二个参数很简单，就是要分配的显存的大小。第一个参数，和molloc函数不同，它是二级指针。这里，就有个疑问，为什么第一个参数是二级指针？
2026-09-29 19:15:01
167
原创 开放词汇目标检测系列论文（3）--Grounding DINO
这篇论文的题目就是大名鼎鼎的“Grounding DINO: Marrying DINO with Grounded Pre-training for Open-Set Object Detection”，2024年发表在ECCV，已经被引用6300多次。
2026-09-22 12:27:05
188
原创 3D Gaussian Splatting中梯度反传求偏导的推导
在3DGS前向函数forward中，输出的是rendered_image(渲染影像)、radii（半径）、depth_image（逆深度图），其中radii未参与优化，因此可以不管radii的梯度。#这个是forward函数，输出的就是渲染影像、半径、深度图在前向结束后，3DGS采用的是颜色loss和深度loss（在没有参考深度时，该loss直接是设置为0，相当于没用）。颜色loss采用的是L1 loss和SSIM loss，深度loss采用的也是L1 loss。
2026-08-01 18:46:31
264
原创 图形学中的世界、相机、Clip（裁剪）、NDC等坐标系
在计算机视觉中，相机模型通常涉及到的坐标系有世界、相机、归一化平面、像素坐标系等。然而，在图形学里面，在NeRF、3D Gaussian Splatting等三维重建方法，在OpenGL中，会遇到一个NDC（Normalized Device Coordinates，归一化设备坐标）坐标系。这里，将仔细地讲解各个坐标系，以及推导公式。
2026-07-27 11:54:19
257
原创 基于Pytorch，如何用CUDA自己写算子？（一）
大家都知道，深度学习通过梯度反传去优化网络的参数。Pytorch作为具有代表性的深度学习库，对前向（Forward）和梯度反传（Backward）都封装的非常好。在日常的编程中，只需要调用Pytorch封装好的算子，就可以完成网络的设计和训练。但是，在一些任务中，有些算法没法用Pytroch封装好的算子去实现，需要自己实现。这个时候，则需要自己去写CUDA代码，自己去写Forward和Backward的代码。这个博客就是基于简单的案例去讲解，如何基于Pytorch，用CUDA自己写算子。
2026-07-23 14:41:59
228
原创 开放词汇目标检测系列论文（3）--GLIP
这篇论文的题目是“Grounded Language-Image Pre-training”，发表在CVPR 2022。这篇论文中的方法，也是大名鼎鼎Grounding DINO的基础。2、论文动机论文的核心目的是为了将目标检测（Object detection）任务，和短语定位（Phrase Grounding）任务相统一。该论文为了将目标检测任务转换为短语定位任务，将最后目标分类的head，替换为求取boundingbox的视觉特征和文本特征的相似性。这个是该论文的核心想法和贡献。
2026-07-22 15:45:39
288
原创 IMU的基础知识
静止标定法就是把IMU静止放一段时间，然后将陀螺仪均值近似为陀螺仪的零偏，加速度零偏稍微复杂一些，这里不过多叙述。加速度计测量的是自身坐标系下的加速度，而不是世界坐标系下的加速度。我们从IMU中拿到的数据包含角速度和加速度两部分，IMU 本身不能直接给位置，也不能直接给绝对姿态，需要通过积分得到运动状态。零偏：当IMU静止不动时，角速度和加速度应该为0，但实际不为0，而是一个较为固定的零偏值。在介绍加速度计的测量模型前，先简单介绍IMU中涉及的两个坐标系。，加速度计测量的是加速度。是加速度计测得的加速度，
2026-06-29 21:01:04
211
原创 Qt中emit发送信号用法
如果我的数据类型不是int、float、double等这些，而是我自己定义的Struct，该怎么办，比如说int a;float b;在完成struct的定义之后，加上一个宏Q_DECLARE_METATYPE（），这个的作用是让 Qt 的元类型系统认识这个类型。然后，就可以正常通过emit发送MyStruct类型的变量了，就可以把Mystruct当成int、float这些常见的变量使用了。值得注意的是，在emit之前，加上：这样就可以跨线程发送信号。
2026-06-15 14:00:21
200
原创 基于深度学习的MVS论文学习（1）SPE-MVS
该论文是发表在CVPR 2026上的论文，论文题目是《SPE-MVS: Spatial Position Encoding Enhanced Multi-View Stereo with Monocular Depth Priors》该论文思想上来说比较好，比较好地融合的单目深度图，用于引导MVS深度图的预测。
2026-06-14 19:59:49
209
1
原创 QT中对象间的父子关系
/新建一个window。同样，对于window对象，我们可以让它的父对象是上一层的界面（如果你先这么设计的话）。这个时候，label和button这两个空间的父对象就是window。则也会自动释放掉子对象button 和 label。是Qt对象内存管理机制的核心，父指针用于建立。，让Qt自动管理子对象的生命周期。在Qt中，构造函数的。
2026-06-02 18:40:23
183
原创 开放词汇目标检测论文系列（2）OV-DETR
该论文题目是“Open-Vocabulary DETR with Conditional Matching”，发表在ECCV 2022，发表单位是南洋理工大学和卡尔梅隆大学。该论文主要是将DETR这种方法扩展至开放词汇检测中，是一个开创性的工作。该论文的方法之所以能够可行，是因为它不是约束预测的bounding box 的类别和gt一致，而是只做一个判断，判断两个类别是否一致。也就是，它学习的是衡量两者之间是否一致的能力。但依旧存在以下问题：1）当需要检测的类别较大时，推理速度会很慢。
2026-05-28 18:58:22
214
原创 开放词汇目标检测系列论文（1）--ViLD
这篇论文的思想非常好，解决了传统思路速度慢的问题，但依旧解决不了proposal网络漏检测而引起的错误。个人觉得是可以改进提升的地方。此外，该论文的方法只对最后的proposal embedding做约束，没有将大模型充分利用到proposal的生成过程中，也是一个可以改进提升的地方。
2026-05-28 10:45:08
337
原创 OpenGL中的VAO, VBO, Shader简介
刚接触QT和OpenGL，被各种VAO，VBO，Shader的设置弄的头皮发麻，压根不晓得从何下手，这估计是OpenGL新手都会遇到的问题。今天，简单分享一下自己对这几个东西的理解。由于QT对OpenGL做了比较好的封装，使得使用起来更为便捷。因此，这里也将基于QT的封装去讲解OpenGL怎么用。在这个博客中，将以最简单的3D点云数据显示为例子去讲解。
2026-05-26 11:44:21
540
原创 OpenGL中的坐标系
模型矩阵（model matrix）：局部坐标系--->世界坐标系视图矩阵（view matrix）：世界坐标系--->相机坐标系投影矩阵（projection matrix）：相机坐标系--->屏幕坐标系所以把从三维数据到屏幕的转换矩阵，叫做model-view-projection（mvp）矩阵。
2026-05-20 21:16:52
421
原创 欧拉角万向锁推导
本文介绍了欧拉角的基本设定和旋转矩阵转换方法，并推导了万向锁现象。首先定义了绕Z、Y、X轴旋转的偏航角(yaw)、俯仰角(pitch)和滚转角(roll)。通过三个旋转矩阵相乘得到最终转换公式。重点分析了万向锁发生的条件：当俯仰角为±90°时，偏航角和滚转角的效果等价，导致系统失去一个自由度。推导过程展示了此时旋转矩阵的简化形式，并通过三角恒等式证明了旋转效果的等价性，从而解释了万向锁现象的产生机制。
2026-05-18 22:11:59
62
原创 手动打开 x64 native tools command prompt for VS 2022的几种方法
2、cd 到以下路径：（每个人电脑VS安装的路径不一样，可自行调整）1、打开快捷方式所在的目录，一般为。4、得到以下结果即表示正常。
2026-05-02 12:08:56
1319
原创 该文件包含不能在当前代码页(936)中表示的字符。请将该文件保存为 Unicode 格式以防止数据丢失，错误修改
2、转换编码：打开要转换编码的代码文件，直接找到下图中的编码格式。然后点击确定，再直接保存代码文件即可。由于这个选项默认是隐藏的，需要先把它添加到菜单栏。
2026-04-24 18:33:38
145
原创 基于Cmake配置Opencv 4.12
，前往Cmake官网下载安装包安装即可，用Cmake将opencv编译成工程，如下图所示去设置路径。2、解压缩后，在opencv-4.12.0文件夹中新建一个project（名字可自己随便给）文件夹，主要是用来放Cmake之后的opencv工程。5、打开工程后，直接对整个工程进行编译，可先编译Debug库，再编译Release库。编译完后，单独编译一下install工程。4、稍等十分钟左右，VS的工程就生成好了，再点击Generate，获得工程，并用VS打开。1、下载opencv，直接到官网（
2026-04-24 17:00:45
127
原创 SuperSplat渲染视频教程
SuperSplate除了可以打开三维高斯溅射结果，并进行浏览、编辑等操作，还可以渲染出漂亮的视频。4）关键帧也可以删除（将小方块拖动到关键帧下面，点击“减号”就行）；点击“播放”按钮，可以预览渲染的效果。注意：在输出视频的时候，要保证预浏览的视频处于停止状态，否则会出问题。5）当设置完关键帧之后，预览效果也满足要求后，点击“渲染-视频”按同样的方法，可以设置多个关键帧，如下图，我设置了第二个关键帧。然后，选择视频存储路径，即可完成渲染视频的导出。2）设置预览时候的帧率和总帧数，如下图所示。
2026-01-01 14:54:01
875
原创 SuperSplat使用教程
SuperSplat是一款基于Web的免费开源3D高斯溅射（3D Gaussian Splatting）显示、编辑工具，好用的很。在这篇博客中，将整理一些基本的教程。
2025-12-28 12:34:14
4135
原创 WinSCP安装和使用，高速拉取服务器数据
在用VSCode下载文件时，突出一个慢，太不方便了，于是去找了下看，发现WinSCP可太好用了，操作也非常的方便。第三步，如下图，右边是服务器的数据（输入想下载的文件所在的地址），左边是本地的数据。右键文件夹，就可以快速下载了。第二步，下载下来后，直接默认安装即可，然后打开WinSCP，设置窗口如下。
2025-12-28 10:13:15
402
原创 VSCode上传文件到服务器
在本地电脑上新建一个文件夹，命名自己取，这里我取为“VSCode上传”，后续所有要上传到服务器的数据，都可以通过该文件夹。当然，在该文件夹下面也可以新建文件夹，例如取名为“数据1”、“数据2”，支持将“数据1”、“数据2”这种文件夹整体上传。，在VSCode界面上，按下“Ctrl+Shift+P”，输入SFTP:Config，如下图。，直接右键对应的文件或者文件夹，点击Upload Folder或者Upload File。这里，我已经安装了SFTP。然后，直接打开sftp.json，并修改，如下图。
2025-12-26 11:19:33
927
原创 针孔相机模型推导
学习多视几何、视觉SLAM、三维重建，包括最新的三维高斯溅射、神经辐射场等知识，最为最为基础的便是针孔相机模型。该模型描述的是真实世界（以米为单位）到相机拍摄的影像（以像素为单位）之间的关系。
2025-12-20 22:43:06
1028
原创 变分自编码器（VAE）大白话理解
这个时候，再假设这个256维度骰子掷起来的时候，并不符合一个均匀分布，而是符合一个“特定的分布”，这个特定的分布可以认为是“所有猫的图像的分布”，那么这个骰子一投，得到1个256维度的值，就是一张猫的图片。因为采样的过程中，其实可以理解为对潜在特征加了个噪声，网络为了保证重构的效果，肯定是不希望有这个噪声的，那么网络就会倾向于将方差估计为0，那么就具备了确定性。显然，样本这个时候对应的是一个分布，而不是AE中一个特定的值，那么则具备了一定的生成性。按照直觉，图像是一个矩阵，怎么是一个概率分布的采样。
2025-12-19 21:11:53
595
原创 Xcode创建Objective C工程，并使用Pod进行库的设置
1、打开Xcode，选择new project，选择创建一个APP工程，如下图然后，取一个工程名字，这里我用的是默认的test，选择语言为Objective C语言，如下图点击Next之后，再选择一个工程路径，则完成了工程的创建。
2025-10-25 19:49:29
307
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人