我的博客有点东西

给出两个点集A和B，求解点集之间的刚体变化，包含scale，rotation，translate。使其A经过变换之后，可以和B在空间上对齐。

SparseCoder的应用场景不多，因为本身无法考虑更多的约束，比如加入不等式，就不好求解了。SparseCoder其实是一个最优化求解方法。它所处理的对象是线性方程。因为3dmm的公式中。就有求表情基系数的地方，而那里是线性方程。在3dmm人脸重建中，可以应用SparseCoder。则可以使用SparseCoder。...

pca和svd都是降维常用的方法。今天回顾一下pca的原理。motivation现在有m个数据，每个样本有n个属性值，样本用矩阵表示为X∈Rn×mX \in R^{n\times m}X∈Rn×m。每一列是一个样本。方便接下来的讲述，我们把XXX默认是做过零均值化的。那么X的属性的协方差矩阵C等于：C=1mXXT∈Rn×nC=\frac{1}{m}XX^T \in R^{n\times n}C=m1​XXT∈Rn×n我们想用一组新的坐标表示X，同时新的坐标数目更少（属性更少）。且在这些坐标下，X