- 博客(32)
- 收藏
- 关注
RSS订阅原创 MonoGS 源码学习
num_imgsfovx, fovydepth: HxW numpy，单位米，未知值为 0；单目可为 Nonepose: 4x4 torch，源码期望 world-to-camera当前单目路径仍要求 Dataset 返回 pose，且首帧使用 R_gt/T_gt。没有 GT 时，必须额外实现视觉初始化、初始尺度、初始深度/点云、重定位和无 GT 评测，不能只写一个 Dataset loader。pose 方向、深度尺度、RGB/BGR、resize 后内参、畸变模型和时间对齐。
2026-07-20 09:44:43
516
原创 LangChain 学习
LangChain 是构建大模型应用的组件与编排框架，用于连接模型、Prompt、结构化输出、工具、检索器、状态和 Agent 工作流。它不是模型，也不是向量数据库。LangChain 本身不训练 GPT、BERT 或 Embedding 模型，而是提供统一接口和组合能力。LCEL 是 LangChain Expression Language，通过组合 Runnable，例如，统一支持同步、异步、批量和流式接口。interrupt在节点中暂停并返回待处理信息；外部收到人工输入后通过。
2026-07-17 11:31:11
499
原创 AI Agent 学习
AI Agent 是一个由模型驱动、能够感知上下文、选择动作、调用工具、保存状态，并围绕目标循环执行直到完成、失败或需要人工介入的软件系统。大语言模型负责理解和决策，但完整 Agent 还必须包含普通软件工程组件：数据库、API、权限、队列、超时、重试、日志、评测和人工审批。摘要模型可能把推测写成事实。区分和。保存重要原始消息引用。关键业务字段用结构化状态保存。不依靠自由文本摘要保存订单号、金额和权限。
2026-07-16 09:16:24
544
原创 IMU 学习
ESKF 用非线性方程传播 nominal state，用小量 error state 和协方差表达不确定性。外部观测更新误差状态，再把误差注入姿态、位置、速度和 bias。它把两个关键帧之间的高频 IMU 样本压缩为相对旋转、速度和位置增量，同时传播 bias Jacobian 与协方差，避免优化中反复从头积分。我先检查 IMU 单位、时间戳、饱和和静态 bias，再完成 Camera-IMU 或LiDAR-IMU 的空间与时间标定。定位前端用 IMU 高频传播，并由视觉或 LiDAR。
2026-07-15 09:26:17
506
原创 激光雷达 学习
z-depth：相机坐标的z_C。range：相机中心到点的欧氏距离。1/z。3DGS 渲染的 expected depth 或 median depth。损失两侧必须使用同一定义。把 LiDAR range 与渲染 z-depth 直接比较，图像边缘会出现系统误差。我先通过 LiDAR-IMU/Visual 前端获得米制且全局一致的轨迹，完成点云 deskew、时间同步和相机-LiDAR 外参变换；然后将多帧 LiDAR 融合到世界系，投影到图像。
2026-07-14 11:25:27
682
原创 GS-LIVM 源码学习
GS-LIVM 的核心不是“把 3DGS 塞进 SLAM”，而是把LIVO 提供的实时可靠位姿和几何相机提供的颜色纹理VGPR 提供的局部表面补全和协方差初始化3DGS 提供的可微照片级地图表达串成一个在线系统。读源码时抓住的主线，再分别深入，整个项目就会从一团 C++/CUDA/ROS 代码变成一条很清晰的工程链路。
2026-07-13 10:23:58
539
2原创 扩散模型学习
学习目标：系统理解扩散模型的数学原理、网络结构、采样器、文本条件生成、Stable Diffusion / Latent Diffusion、ControlNet、LoRA、DreamBooth 等主流实操路线；能够用 PyTorch 和 Hugging Face Diffusers 跑通推理、训练、微调和条件控制；能够回答面试中关于 DDPM、DDIM、CFG、U-Net、VAE、CLIP、DiT、Flow Matching 等高频问题。
2026-07-09 10:09:01
528
原创 前馈式 3DGS 学习
前馈式 3DGS 是用神经网络从一张或少量图像直接预测 3D Gaussian 参数，再用可微 Gaussian renderer 渲染新视角。它把传统 3DGS 的场景级优化过程摊销到一个跨场景训练好的模型中。
2026-07-08 09:15:16
518
原创 Difix3D 源码学习
:...它基本继承了 Stable Diffusion pipeline 的接口，但针对 image-to-image 修复做了改造。
2026-07-07 12:00:17
450
原创 Gaussian Splatting 源码学习
学习目标：能读懂官方 3D Gaussian Splatting 的 Python 主流程，知道 CUDA 扩展在系统中的位置，能完成安装、数据准备、训练、渲染、评估与常见问题排查，并能回答源码级面试问题。
2026-07-06 12:04:12
832
原创 MVS 学习
深度图表示图像中每个像素对应的三维点到相机的深度。法线图表示每个像素对应表面的方向，常用于平面假设、几何一致性和融合。cost volume 是一个三维代价空间，记录每个像素在不同深度假设下的匹配代价。
2026-07-04 18:48:40
918
原创 3DGS 学习
scene/input/sparse/0/images.binimages/不同脚本会生成或要求不同目录。来调用 COLMAP 并整理数据。图片数量：小物体 50 到 200 张，室内/大场景可更多。重叠率：相邻视角 60% 到 80%。相机运动：平滑移动，避免大跳变。焦距：尽量固定。分辨率：不要太低，太高会增加训练成本。
2026-07-03 16:41:13
662
原创 COLMAP 学习
目标：理解 COLMAP 的核心流程，能用 GUI 和 CLI 完成稀疏/稠密重建，能读取输出文件并排查重建问题，同时掌握面试常问知识点。
2026-07-02 09:40:38
617
原创 相机内外参 学习
内参描述相机自身成像属性，通常包括fxfycxcy，也可能包括 skew 和畸变参数。外参描述相机和世界坐标系之间的刚体变换，通常由旋转R和平移t组成。畸变是镜头导致的非理想成像，常见有径向和切向畸变。多视角重建和 3DGS 需要图像和投影模型一致，因此通常要正确建模或去畸变。
2026-07-01 09:23:15
354
原创 Docker 学习
PONG同一个自定义网络内，容器可以通过容器名互相访问。分层可以复用缓存、减少重复存储、加速构建和分发。Dockerfile 中每个可能改变文件系统的指令通常会产生新层。Docker 构建时会复用未变化的镜像层。Dockerfile 顺序会影响缓存命中率，应把变化少的步骤放前面。多阶段构建是在一个 Dockerfile 中使用多个FROM阶段，把构建和运行分离，最终镜像只保留运行所需文件，从而减小镜像体积。容器编排是管理大量容器的部署、扩缩容、服务发现、滚动更新和故障恢复。
2026-07-01 09:22:31
349
原创 Kafka 学习
Kafka Streams 是 Kafka 官方 Java 流处理库。实时聚合。窗口统计。流式 join。状态计算。轻量流处理服务。.count();如果只是普通生产消费，不需要 Kafka Streams。它适合流处理，不是所有 Kafka 项目都要用。
2026-06-30 09:24:44
449
原创 Redis 学习
目标：理解 Redis 的核心数据结构和工程用法，能用 Java、Spring Boot 操作 Redis，并能回答缓存、持久化、高可用、分布式锁等常见面试问题。
2026-06-30 09:24:02
469
原创 BERT 学习
目标：理解 BERT 的核心原理，能使用 Hugging Face Transformers 完成分词、特征提取、MASK 预测、文本分类微调、NER/问答推理、保存加载和简单部署，并能回答常见面试问题。
2026-06-29 09:16:37
335
原创 YOLO 学习
准备图片和标签，划分训练集和验证集，编写data.yaml，选择预训练模型，执行训练，查看验证指标和可视化结果，最后导出模型部署。
2026-06-28 11:18:51
425
原创 MQTT 学习
共享订阅允许多个消费者共同消费同一个订阅组的消息，Broker 会把消息分发给组内某一个客户端，常用于负载均衡消费。它在 MQTT 5.0 和很多 Broker 扩展中常见。
2026-06-28 11:13:39
368
原创 WebSocket 学习
浏览器原生WebSocket构造函数不能像fetch那样随意设置自定义 Header。常见替代方案是 Cookie、query token 或子协议。
2026-06-27 19:22:25
331
原创 Video Diffusion 模型与 3D Gaussian Splatting 结合策略 学习
Video Diffusion 擅长生成“看起来合理、语义丰富、具有时间连续性”的视频；3DGS 擅长把视觉内容变成“可实时渲染、可自由视角观察、可编辑”的三维表示。二者结合的核心，就是把视频模型的语义和运动先验蒸馏进显式 3D/4D 高斯场，同时用 3DGS 的几何一致性约束视频生成的漂移与不稳定。最实用的落地路径通常不是一步到位端到端，而是从“视频/多视角生成 -> 3DGS 重建 -> diffusion refinement -> 4DGS 蒸馏”逐步推进。
2026-06-27 18:39:52
562
原创 TensorFlow 学习
简洁，适合常规训练；自定义训练循环更灵活，适合复杂逻辑和研究实验。做一个从 CSV 读取特征和标签的数据管道，再接入训练。
2026-06-26 09:14:12
421
原创 PyTorch 学习：从张量到完整训练循环
breakPyTorch 默认采用动态图，计算图是在前向传播时动态构建的。它的好处是调试方便、代码直观，适合研究和快速迭代。
2026-06-26 09:13:07
282
原创 OpenCV 学习
OpenCV 是一个开源计算机视觉库，覆盖图像处理、视频处理、特征检测、相机标定、三维重建、目标检测、传统机器学习、DNN 推理等方向。OpenCV 是 BGR，Matplotlib、PIL、很多深度学习模型是 RGB。Windows、macOS、Linux 支持的编码器可能不同。包含额外 contrib 模块，例如一些扩展特征、跟踪、结构光等。保存结果，或用 Notebook/Matplotlib 显示。单应性适合平面目标、文档、海报、图像拼接的局部场景。适合大多数本地开发，有 GUI、图片和视频功能。
2026-06-25 09:13:18
316
原创 Mesh 学习
三维表面如何表达几何质量如何判断点云如何变成表面表面如何变成机器人可用的碰撞和规划结构mesh 如何与 3DGS、SLAM、仿真系统互补Blender 看懂和修模型↓Open3D 处理点云和重建 mesh↓trimesh 做几何检查和分析↓ROS / MoveIt / Gazebo / Isaac Sim 中使用 mesh↓结合 3DGS 做高保真建图和机器人可用几何提取Open3DtrimeshBlender点云滤波Poisson / TSDF 重建mesh 简化。
2026-06-24 15:29:15
566
原创 3D Gaussian Splatting：原理、流程和本质
3D Gaussian Splatting，常简称，是一种用于新视角合成和实时三维场景渲染的方法。它不是用神经网络在每条光线上反复采样，也不是先恢复传统三角网格，而是把场景表示成大量带颜色、透明度、形状和方向的三维高斯椭球；渲染时把这些高斯投影到屏幕上，按深度和透明度快速混合成图像。更直白一点：NeRF 像是在问：“沿着这条光线走，每个位置的颜色和密度是多少？传统 mesh 像是在问：“物体表面由哪些三角形组成？
2026-06-24 14:33:22
603
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