<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[weixinhum]]></title><description><![CDATA[后青春期的诗]]></description><link>https://blog.youkuaiyun.com/oHanTanYanYing</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; oHanTanYanYing]]></copyright><item><title><![CDATA[NeRF论文复现2 --- 原理及源码解析]]></title><link>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/160284693</link><guid>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/160284693</guid><author>oHanTanYanYing</author><pubDate>Sun, 19 Apr 2026 22:42:25 +0800</pubDate><description><![CDATA[本文详细解析了NeRF（神经辐射场）的原理，重点介绍了其核心思想、数据准备、体渲染公式及其离散化实现。NeRF通过多视角图像和相机参数，利用神经网络预测空间中各点的颜色和密度，再通过体渲染合成新视角图像。文章首先概述了NeRF的整体流程，包括光线采样、粗/细网络训练和可微渲染过程，随后深入分析了体渲染公式的推导与离散化实现，并附有PyTorch代码参考。适合对3D重建和神经渲染感兴趣的读者阅读。]]></description><category></category></item><item><title><![CDATA[NeRF论文复现1 --- 代码运行和数据集分析]]></title><link>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/160315173</link><guid>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/160315173</guid><author>oHanTanYanYing</author><pubDate>Sun, 19 Apr 2026 22:35:16 +0800</pubDate><description><![CDATA[本文介绍了如何在Windows和Linux系统上运行NeRF的PyTorch实现代码。主要内容包括：1) 源码获取和虚拟环境配置，针对不同显卡提供了兼容性解决方案；2) 数据下载和训练步骤说明，包含可视化相机位姿的方法；3) 数据集结构分析，解释了单个场景的数据组织形式。文章详细记录了从环境搭建到模型训练的全过程，并提供了可视化相机视锥的代码示例，帮助读者快速上手NeRF项目。运行时间方面，RTX 4090约需3小时，A4000约需9小时完成训练。]]></description><category></category></item><item><title><![CDATA[LVGL仿真调试（Windows）]]></title><link>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/157262407</link><guid>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/157262407</guid><author>oHanTanYanYing</author><pubDate>Thu, 22 Jan 2026 22:08:30 +0800</pubDate><description><![CDATA[本文介绍了如何在Windows平台实现LVGL图形库的仿真开发，避免每次修改都要交叉编译到嵌入式设备的繁琐流程。首先通过Git下载官方推荐的Visual Studio模拟器工程，使用VS2026打开并运行基础仿真。接着讲解如何将开源工具EEZ Studio设计的界面导入仿真工程，包括修改项目文件添加UI代码路径。针对事件响应问题，详细说明了如何自行实现EEZ Studio生成的actions函数以避免代码覆盖。相比付费工具SquareLine Studio，EEZ Studio通过分离界面生成和逻辑实现的方]]></description><category></category></item><item><title><![CDATA[ESP32P4平台LVGL9性能测试]]></title><link>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/156908752</link><guid>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/156908752</guid><author>oHanTanYanYing</author><pubDate>Tue, 13 Jan 2026 16:56:26 +0800</pubDate><description><![CDATA[摘要：本文介绍了在ESP32-P4平台上使用LVGL驱动800*1280屏幕的性能测试过程。基于微雪开发板的LVGL 9.4.0例程，通过添加测试结果输出功能，评估了UI渲染性能。测试中遇到旋转90°时的PPA冻结问题，通过打补丁解决；同时修复了CPU占用率显示异常的Bug。最终在三缓冲+全局刷新+0°旋转配置下获得基准测试结果，包括各场景的CPU占用、FPS、渲染和刷新时间等关键指标，为后续UI开发提供性能参考。]]></description><category></category></item><item><title><![CDATA[DeepSDF论文复现4---深入解析与代码复现2---原理分析与代码实现]]></title><link>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/152174374</link><guid>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/152174374</guid><author>oHanTanYanYing</author><pubDate>Sat, 27 Sep 2025 18:42:05 +0800</pubDate><description><![CDATA[DeepSDF论文提出了一种基于神经网络的隐式3D形状表示方法。该方法通过有符号距离函数(SDF)描述3D形状，使用全连接网络学习空间点与物体表面的距离关系。核心创新包括：1)引入潜在向量编码同类物体的共性和个体特征；2)提出Auto-decoder框架，通过优化潜在向量实现新形状的拟合。相比传统显式表示(点云、网格、体素)，该方法能更高效地表示高精度3D形状，并支持形状补全和重建。代码实现部分展示了数据加载和采样策略，通过平衡采样内部和外部点来训练网络。]]></description><category></category></item><item><title><![CDATA[DeepSDF论文复现3---原理解析与代码复现1---官方代码运行]]></title><link>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/151052383</link><guid>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/151052383</guid><author>oHanTanYanYing</author><pubDate>Sun, 31 Aug 2025 22:31:33 +0800</pubDate><description><![CDATA[本文介绍了DeepSDF论文代码的复现过程，主要包括环境配置、数据集处理、模型训练和结果可视化等步骤。由于代码年代较久，运行过程中需要调整部分参数和函数调用以适配新版本PyTorch。通过训练生成的模型可以对三维物体进行重建，但结果在细节上仍存在缺陷。作者对比了不同训练轮次下的重建效果，并指出模型在表面平滑度和连续性方面的不足。整体而言，该工作展示了深度学习在三维重建领域的早期应用，为后续改进提供了基础。]]></description><category></category></item><item><title><![CDATA[空间中三角形对的相交判断与交点计算]]></title><link>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/149685568</link><guid>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/149685568</guid><author>oHanTanYanYing</author><pubDate>Sun, 27 Jul 2025 10:33:36 +0800</pubDate><description><![CDATA[本文介绍了三角形相交判断与交点计算的经典算法，基于《A Fast Triangle-Triangle Intersection Test》论文实现。主要内容包括： 算法原理：通过判断三角形顶点是否在另一三角形平面的同侧来初步判断相交性。若需要进一步判断，则计算两平面交线并检测线段重叠情况。 关键计算步骤：详细推导了平面方程、法向量计算、顶点到平面距离、交线参数化等数学过程，包括交线上参考点O的求解方法。 优化方案：提出简化计算的方法，如忽略交线参考点O的位置，通过投影到最大分量轴来简化重叠判断，但保留了精确]]></description><category></category></item><item><title><![CDATA[DeepSDF论文复现2---数据集生成2---原理解析]]></title><link>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/149372717</link><guid>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/149372717</guid><author>oHanTanYanYing</author><pubDate>Tue, 15 Jul 2025 23:27:08 +0800</pubDate><description><![CDATA[由这篇博客的原理分析看，DeepSDF在做数据集生成的时候并不是特别精确，有些地方的处理甚至可以算是简单粗暴，精度不高。然而，对于学术研究而言，DeepSDF的这种处理方法也无可厚非，毕竟文章关注的点并不在此处。数据集生成部分的优化有可能给训练结果带来精度的提升，但不会有质的变化。后续本人有空，将写一个更完善的三维体表面提取代码供大家参考，届时再续写DeepSDF数据集生成这一部分。]]></description><category></category></item><item><title><![CDATA[DeepSDF论文复现1---数据集生成1---官方代码运行]]></title><link>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/149218796</link><guid>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/149218796</guid><author>oHanTanYanYing</author><pubDate>Wed, 09 Jul 2025 11:05:10 +0800</pubDate><description><![CDATA[DeepSDF论文复现1---数据集生成1---官方代码运行]]></description><category></category></item><item><title><![CDATA[使用LaTeX的circuitikz库绘制电路图]]></title><link>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/149195278</link><guid>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/149195278</guid><author>oHanTanYanYing</author><pubDate>Tue, 08 Jul 2025 12:13:32 +0800</pubDate><description><![CDATA[摘要：LaTeX绘制电路图虽不如PPT/draw.io直观，但代码生成的电路图更规整专业，适合学术文档。通过circuitikz库可支持欧标/美标两种元件标准，默认美标但可切换。文中展示了电压源、电流源、电阻、电容等基本元件绘制方法，并对比了不同标准下的元件外观差异。代码编写熟练后效率可能超过图形化工具。示例代码包含A4横向页面设置、中文支持及各类元件的LaTeX实现方式，特别适合教科书、试卷等正式场合使用。]]></description><category></category></item><item><title><![CDATA[Windows主机远程桌面连接Ubuntu24.04主机]]></title><link>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/149190809</link><guid>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/149190809</guid><author>oHanTanYanYing</author><pubDate>Tue, 08 Jul 2025 09:38:52 +0800</pubDate><description><![CDATA[最近刚刚换了台新电脑，想着空出老电脑直接装一个Ubuntu系统给新电脑远程连接过去进行开发，就可以完美避开双系统老是要重启切换的问题。仔细一查发现Ubuntu24.04自带了RDP远程工具，大喜！于是探究了一番。本篇文章将介绍本人探究的结果，即Ubuntu24.04自带远程工具的两种用法和相应的优缺点。]]></description><category></category></item><item><title><![CDATA[OpenGL工程实现实用教程---GLFW+ImGui---中文字体加载优化]]></title><link>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/144699869</link><guid>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/144699869</guid><author>oHanTanYanYing</author><pubDate>Tue, 24 Dec 2024 17:58:55 +0800</pubDate><description><![CDATA[也就是说，输入框这种交互方式是不能用的，否则不能保证用户输入的字体在加载的范围内。这个操作基本来说是2.0之前最优的操作了，比较大的问题就是当需要更新字符纹理的时候需要删除之前构建的全部纹理之后再重绘，这个相比于只绘制单个字符纹理然后加载到GPU中性能损失是比较大的。这么操作的好处就是当界面固定的情况下，我们只要把可能出现的文字全部放进去，就绝对不存在未加载文字的问题，而且需要加载的文字量也是最少的。但有个问题，那就是用到一些字体的时候因为超出2500的范围，直接显示的是一个问号，这显然也是不可接受的。]]></description><category></category></item><item><title><![CDATA[经典神经网络的PyTorch复现-语义分割任务-开山之作-Fully Convolutional Networks for Semantic Segmentation]]></title><link>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/144672391</link><guid>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/144672391</guid><author>oHanTanYanYing</author><pubDate>Mon, 23 Dec 2024 16:51:54 +0800</pubDate><description><![CDATA[自从博士想要搞神经网络被导师坚决劝退之后，已经多年没有跑过网络模型。最近刚把手头上的马尔科夫随机场做点云地面分割的论文投出去，感觉这个方向如果不引入深度学习超强的特征抽取能力已然没啥做的了，于是决定捡起多年不碰的深度学习接着搞。回想当年，在和导师battle的一两个月里一直断断续续的在复现FCN这篇文章，而到放弃这个方向也没实现论文的效果。于是决定再次出发，看看能不能填补多年前的遗憾。]]></description><category></category></item><item><title><![CDATA[用python把docx批量转为pdf]]></title><link>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/139623591</link><guid>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/139623591</guid><author>oHanTanYanYing</author><pubDate>Wed, 12 Jun 2024 12:58:00 +0800</pubDate><description><![CDATA[为保证转换质量，本文的方法是通过脚本和com技术调用office自带的程序进行转换的，因此需要电脑已经装有office。如果希望不装office也能用，则需要研究OpenXML技术，后面实在闲的慌（退休）再搞。]]></description><category></category></item><item><title><![CDATA[引导滤波算法]]></title><link>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/138315573</link><guid>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/138315573</guid><author>oHanTanYanYing</author><pubDate>Mon, 29 Apr 2024 15:50:02 +0800</pubDate><description><![CDATA[引导滤波，是何凯明大神早期的作品。和双边滤波类似，它有“保边+平滑”的优秀特性，并且在图像锐化增强方面（原图-滤波图=高频特征图，权重高频特征图+权重。]]></description><category></category></item><item><title><![CDATA[均值滤波算法与SSE2指令集并行优化]]></title><link>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/137379791</link><guid>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/137379791</guid><author>oHanTanYanYing</author><pubDate>Thu, 04 Apr 2024 18:52:49 +0800</pubDate><description><![CDATA[均值滤波是经典的机器视觉方法，本篇将讨论如何对该算法进行优化，使得其比OpenCV的实现更快。]]></description><category></category></item><item><title><![CDATA[中值滤波算法与SSE2指令集并行优化]]></title><link>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/137207585</link><guid>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/137207585</guid><author>oHanTanYanYing</author><pubDate>Sun, 31 Mar 2024 19:53:05 +0800</pubDate><description><![CDATA[中值滤波算法是经典图像处理中极为常见的操作，一般我们通过调用OpenCV或者是Matlab直接进行使用，以至于有种它本来就很容易实现且速度很快的错觉。近来用到中值滤波算法，因为不想用到OpenCV库或者Matlab而对其实现研究了一番，才发现其中有很多值得注意的细节。下面我们结合着OpenCV的源码实现来讲。]]></description><category></category></item><item><title><![CDATA[使用vcpkg包管理工具配置C++工程环境]]></title><link>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/137084169</link><guid>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/137084169</guid><author>oHanTanYanYing</author><pubDate>Wed, 27 Mar 2024 17:35:37 +0800</pubDate><description><![CDATA[做开发转眼间有十多年了，期间主要以C++为主，因为其蛋疼的没有自带的包管理工具，因此每次搞个工程都需要花大量的时间在环境的配置上。这些配置的操作无非就是去官网下载库，然后包含添加到工程里面，非常机械化，然而又不可避免。虽然配置到全局也是一种办法，然而又增加了工程间互相干扰的风险。最近又要开启一个新工程，遂研究一下已经标注了很久的vcpkg包管理工具，看看能不能用它来简化下这要命的机械化操作。这篇文章将主要介绍vcpkg包管理工具的安装和利用其为工程配置目标库的操作。]]></description><category></category></item><item><title><![CDATA[利用PIL将png图片批量转为pdf]]></title><link>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/135731982</link><guid>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/135731982</guid><author>oHanTanYanYing</author><pubDate>Sun, 21 Jan 2024 17:13:17 +0800</pubDate><description><![CDATA[【代码】利用PIL将png图片批量转为pdf。]]></description><category></category></item><item><title><![CDATA[希望取代LaTeX的神器Typst]]></title><link>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/135727210</link><guid>https://blog.youkuaiyun.com/oHanTanYanYing/article/details/135727210</guid><author>oHanTanYanYing</author><pubDate>Sun, 21 Jan 2024 11:28:54 +0800</pubDate><description><![CDATA[Typst是一个值得高度关注的新兴工具，虽然发展时间只有不到一年，在排版的细节方面可以想象其相比LaTeX会有很大的不足。然而在其强大的易用性，以及绝大部分的用户并不需要太细节的排版这一事实面前，本人相信它将极大的压缩LaTeX的用户。尽管可能如LaTeX大佬“李阿玲”所说，Typst本身并没有什么大的技术突破，然而本人认为摒弃沉重的旧包袱，把东西做的简洁好用，本身就是一种突破。本人乐见Typst成功挤压LaTeX，让那一堆莫名其妙的报错和混乱的宏包去死吧！]]></description><category></category></item></channel></rss>