- 博客(1175)
- 资源 (12)
- 收藏
- 关注
RSS订阅原创 OMNI3D论文精读
这篇论文提出基准和。OMNI3D 把六个现有 3D 数据集整合成 23.4 万张图、300 万实例、98 类的统一基准；Cube R-CNN 在 Faster R-CNN 上加一个 3D 头，用消除相机内参差异，用回归完整朝向，用一个统一模型同时处理室内和室外。
2026-10-26 15:02:31
283
原创 Map-Det3D论文精读
这篇论文提出，一个仅用 RGB 视频流、在线运行的室内多视角 3D 目标检测框架。，从而绕开传统单目检测"先在 2D 检测、再回归 3D 属性"的脆弱流程。
2026-10-26 14:34:47
354
原创 《On the Continuity of Rotation Representations in Neural Networks》论文精读
设XXX是紧致拓扑空间（原空间，如SO3SO(3)SO3），RRR是带欧氏拓扑的实向量空间子集（表示空间）。fR→Xf: R \to XfR→X：从表示空间映射回原空间（网络前向传播的一部分，训练和推理都用）gX→Rg: X \to RgX→R：从原空间映射到表示空间若对任意x∈Xx\in Xx∈Xfgxxfgx))x（即fff是ggg的左逆），则称fg(f,g)fg是一个表示。若ggg连续，则称该表示连续。
2026-10-26 10:09:19
453
原创 SonarVoxNet论文精读
这篇论文提出了，一个面向水下潜水员检测的 3D 声纳目标检测器，核心贡献是把传统 BEV 检测器只能表达 yaw 的旋转头替换为，从而预测完整的 9-DoF 有向包围盒（中心 + 尺寸 + 完整三维朝向）。同时发布了，首个带完整三维朝向标注的公开 3D 声纳潜水员数据集。
2026-10-26 09:36:14
161
原创 PIRATR论文精读
PIRATR 用"合成数据 + Transformer 参数化检测 + 四元数 6-DoF 位姿 + 类别状态参数"的组合，在户外机器人操作场景实现了纯合成训练到真实 LiDAR 的有效迁移，是"三维点云输入、完整三维朝向输出"这一需求下目前较新且已开源的实用方案（代码：github.com/swingaxe/piratr）。
2026-10-24 11:08:51
332
原创 WeDetect论文精读
这篇论文用极其优雅的方式证明了**“大道至简”**。把特征提好，把数据洗干净，用最简单的点积检索，既能做到实时（60+ FPS），又能达到 SOTA，还能顺便解锁“历史数据库秒级检索”和“极速大模型指代理解”这种杀手级应用。
2026-10-23 11:19:07
374
原创 DetCLIPv3论文精读
这篇论文的核心贡献之一，就是证明了“垃圾图文对”可以通过大模型洗成“极其优质的检测训练数据”。并不是靠人工一张张标的，而是巧妙利用 InstructBLIP、GPT-4 和 LLaVA 组成的“数据加工厂”造出来的。它不仅教模型“物体的框在哪”，还教模型“这个物体怎么用长句子去描述它属于什么层级”。
2026-10-23 10:35:47
233
原创 《VLM-FO1》论文精读
灵活模块化的即插即用框架：两阶段解耦，可无缝集成任意预训练 VLM，无需全量重训，不损害原能力；HFRE 双视觉编码器：语义丰富编码器 + 感知增强塔，产出兼具高层语义与细粒度空间细节的区域 token；三大维度全面 SOTA与其教语言模型"写坐标"，不如教它"看区域"——把定位重构为 LLM 原生的 token 指代任务，用外部提议器保证定位精度，用双编码器保证区域特征质量，用两阶段冻结策略保证通用能力不退化。这是"检索优于生成"在 VLM 感知增强上的一次有力论证。
2026-10-19 17:15:14
430
原创 OmDet-Turbo: Real-Time Transformer-Based Open-Vocabulary Object Detection论文精读
基于 DETR 的实时开放词汇检测器，兼顾强 OVD 能力与快速推理；：缓解 encoder 计算负担、减少 head 中 ROI 耗时，在保持 OVD 性能的同时显著提效；：大规模数据预训练，ODinW（30.1 AP）和 OVDEval（26.86 NMS-AP）双 SOTA，COCO 上 100.2 FPS（TensorRT）。
2026-10-19 16:59:58
247
原创 Jag: Direct Box Prediction for Efficient Visual Grounding论文精读
视觉定位的几何答案可以直接从预训练多模态模型的现有表示中回归得到，无需生成坐标序列。通过轻量回归头和联合适配，Jag在保持竞争力的精度的同时，大幅降低了推理延迟和内存占用，为高效视觉定位提供了一种实用方案。
2026-10-16 14:24:40
304
原创 PIDray数据集分析
这篇论文针对真实安检场景中违禁品检测的难点，构建了大规模、高质量的X光数据集PIDray，并提出了SDANet网络。SDANet通过选择性通道/空间注意力和依赖细化模块，有效提升了隐藏违禁品的检测与分割性能，具有较强的实用价值和学术意义。
2026-10-15 14:31:01
146
原创 RadYOLO论文精读
通过精心的架构调整（Anchor-free, L1 loss, 原型掩码分割），可以将 YOLO 的高效性完美移植到 3D 医学图像领域。RadYOLO 打破了“高精度必然伴随高计算成本”的固有认知，为临床环境中（尤其是缺乏高端 GPU 的基层医院或边缘设备）的实时 3D 病灶检测与分割提供了一个极具实用价值的开源解决方案。
2026-09-14 15:16:49
354
原创 Medical Segmentation Decathlon分割标签数据转3D slicer的mrk.json
在 3D Slicer 5.x 新版中，对于 ROI 类型的立体框，它的 center（中心）、size（尺寸：长宽高） 和 orientation（方向矩阵） 属于顶层核心参数，必须直接写在 markups 的大括号内，而不是像老版本那样塞在 controlPoints（控制点）数组里面。
2026-09-09 15:09:32
59
原创 基于OpenPCDet框架训练centerpoint教程
在 OpenPCDet 框架中，使用已经下载好的 nuScenes mini 数据集训练 cbgs_voxel0075_res3d_centerpoint 模型，核心流程主要分为 数据放置、数据预处理（生成 Info 文件和 GT 数据库）、修改配置文件 以及 启动训练 四个步骤。
2026-09-08 16:48:56
43
原创 VoxTell 论文精读
架构创新：多阶段融合打破了传统"末端单次融合"的范式，让文本信息真正渗透到特征提取的全过程规模优势：158 个数据集、62K+ 体积、1K+ 概念的训练规模前所未有临床实用性：能直接解析放射报告中的句子级描述进行分割，这是此前方法无法做到的泛化能力：在跨模态和未见概念上展现出有意义的开放集泛化，虽然仍有提升空间该工作将文本提示 3D 医学分割从"闭集标签选择器"推向了真正的语言驱动开放集分割。
2026-09-02 11:26:46
338
原创 《一种基于深度学习的超分辨率重建方法及系统》专利精读
这篇专利的方法论非常前沿且严谨。它没有盲目堆叠更深的神经网络，而是抓住了工业CT成像的物理本质。“物理模型（可学习RL反卷积）打底提供先验 + 局部特征提取（RegionCNNNet）生成引导信号 + 全局注意力（Swin-UNet）在引导下进行精准重建”。这种“物理先验 + 深度学习”的融合范式（Physics-Informed Deep Learning），有效弥补了纯数据驱动模型在工业高精度检测中泛化弱、易产生伪影的致命缺陷，具有极高的学术价值和工程落地潜力。
2026-08-27 17:30:17
411
原创 《基于深度超分辨率网络的集成电路CT图像增强方法及系统》专利解读
通用大模型 + 垂直领域高质量数据 + 约束性分阶段微调 = 工业级高保真重建”。它没有盲目追求更复杂的网络结构，而是抓住了“IC CT图像的特殊性”这一关键矛盾，通过数据构造（ROI标注）和训练策略（分阶段+加权）的创新，有效解决了AI在工业无损检测中“好看但不真实（伪影）”的致命痛点，具有很高的工程应用价值。
2026-08-27 16:23:42
393
原创 《一种超分辨率重建方法和相关装置》专利解析
解决“AI味”与泛化差的问题传统的AI超分往往“一刀切”，导致真人视频看起来有噪点或过于锐利。该专利通过残差分离掩膜，实现了**“该锐化的地方锐化（轮廓），该去噪的地方去噪（平坦）”**，并且可以根据视频类型（动漫vs真人）动态调整系数，画质更符合人眼主观感受。极度贴近线上真实业务场景在训练数据中引入了视频压缩编码噪声（CRF），并在标签端使用PS锐化来补偿模糊退化，使得模型在实验室训练时就能“见多识广”，直接部署到线上长视频/短视频APP中时，面对各种压缩伪影都能有极好的鲁棒性。训练效率更高。
2026-08-26 17:32:47
480
原创 《超分辨率图像处理方法过程》专利解析
极致的移动端适配（低延迟、低功耗）采用代替传统的转置卷积（Transposed Convolution）进行上采样，计算效率更高。采用重参数化残差链接，将残差加法运算融合进卷积权重中，推理时没有额外的加法开销，完美契合手机NPU的硬件特性。高保真画质并行卷积结构能捕获更丰富的特征组合。残差机制确保了原始像素信息在深层网络中不丢失。利于端侧量化部署全程使用将特征值钳制在[0, 1]区间，这极大地缓解了神经网络在转换为 int8 量化模型时的精度掉点问题，使得模型在手机上跑得又快又好。
2026-08-26 17:27:13
240
原创 CenterPoint — Center-based 3D Object Detection and Tracking论文精读
✅提出center-based 3D检测框架：将3D物体表示为点而非框，天然旋转不变，减少搜索空间✅设计轻量二阶段精炼：仅提取5个表面中心点特征，+6ms即获+2 mAP提升✅极简跟踪算法：速度预测 + 贪心最近点匹配，1ms完成，无需卡尔曼滤波✅SOTA性能：Waymo和nuScenes双榜第一，NeurIPS 2020挑战赛Top4中3个方案采用。
2026-07-28 09:43:46
531
原创 SECOND: Sparsely Embedded Convolutional Detection论文解析
利用点云的天然稀疏性，用稀疏卷积替代稠密3D卷积，在保留完整3D空间信息的同时实现实时检测。配合正弦角度损失和真值采样数据增强，SECOND在2018年以仅LiDAR输入达到了KITTI 3D检测的SOTA，同时推理速度达到20-40fps，是3D目标检测领域的里程碑式工作。
2026-07-28 09:30:51
372
原创 GAMING SUPER RESOLUTION专利解读
预处理：原始高分辨率图像被归一化并下采样为低分辨率输入。特征提取路径A（线性）：卷积 -> 线性特征图。路径B（非线性）：卷积 -> 激活函数 -> 卷积 -> 激活函数… -> 非线性特征图。合并：线性特征图 + 非线性特征图 = 组合特征图。上采样 (Pixel Shuffle)：将组合特征图重新排列，填充到高分辨率网格中。后处理：反归一化，转换回标准色彩空间。输出：显示高分辨率图像。
2026-07-24 16:21:47
354
原创 一种CT图像中床板自动去除的方法及系统
维度传统方法痛点本专利解决方案优势自动化程度需医生手动选取或半自动交互全自动：无需人工干预，一键完成节省人力，避免疲劳误差识别依据依赖边缘曲线或空床扫描匹配依赖连通性与密度间隔不依赖特定床型硬件参数，通用性强计算复杂度3D边缘检测或配准计算量大2D区域生长 + 简单投影算法简单，运算速度快，适合临床实时处理准确性薄床板易漏选或误选利用空气间隔隔离只要人体与床板间有低密度间隔，即可完美分离该专利通过巧妙的**“最大密度投影降维”和。
2026-07-21 09:53:49
472
原创 一种从CTA图像中去除扫描床的方法及装置
该专利利用脑组织与扫描床在空间上的不连通性，通过灰度加权质心定位种子点并结合区域增长算法，智能地分割出脑组织，进而反向识别并剔除扫描床。这是一种基于形态学和连通性分析的经典图像处理方案在医学影像中的具体应用。
2026-07-21 09:47:24
310
原创 Automatic Segmentation of CT Scans of Checked Baggage论文精读
好的，我们来解析一下你提供的这篇论文。
2026-07-17 11:51:31
356
原创 Automatic Patient Table Removal in CT Images论文精读
这篇论文提出了一种基于矢状面直线检测 + 霍夫变换的CT床自动去除方法，具有无需模板、适应多种床型、抗倾斜、全自动等优点，并在多厂商产品上验证有效。该方法已落地于商用系统，具有实际临床应用价值。
2026-07-16 18:35:14
421
原创 CT-RATE, CT-CLIP, and CT-CHAT: 推进3D医学影像的基础模型
本论文是3D医学影像基础模型领域的重要里程碑首个大规模开放3D CT-报告数据集（CT-RATE）。首个针对3D CT的对比学习视觉-语言模型（CT-CLIP）。首个3D CT多模态对话模型（CT-CHAT）。尽管距离临床应用仍有差距，但本研究为后续工作奠定了坚实的数据、模型和评估基础，并全面开源，极大推动了3D医学影像AI的发展。
2026-07-14 15:06:50
433
原创 vtkCameraPass代码解析
是VTK渲染管线中的相机渲染通道，它负责设置相机的投影矩阵和模型视图矩阵，管理视口和裁剪区域，并委托给其他通道进行实际的几何体渲染。
2026-07-09 08:52:55
64
原创 vtkOpenGLFXAAFilter代码解析
是一个高效、模块化的后处理组件。它通过将帧缓冲内容拷贝到纹理，利用 GPU 并行计算能力运行 FXAA 算法，最后将平滑后的结果写回屏幕。其设计允许用户在运行时动态调整抗锯齿的强度和风格，非常适合实时可视化应用。
2026-07-08 15:42:20
65
原创 vtkDefaultPass代码解析
是 VTK 渲染引擎的“默认行为”实现者。如果你没有自定义复杂的渲染管道，VTK 内部就会使用这个类（或其变体）来确保你的场景被正确地、按顺序地绘制出来。它是理解 VTK 渲染顺序（不透明 -> 透明 -> 体数据 -> 覆盖层）的最佳切入点。
2026-07-08 14:22:10
56
原创 vtkEDLShading代码解读
是一种基于深度的实时阴影技术，由法国电力公司 (EDF)、CNRS 等机构联合开发。它通过模拟从"眼穹顶"发出的光线来计算局部遮蔽效果，类似于 SSAO 但算法不同。是一个成熟的深度感知后处理通道✅重度依赖深度信息：所有三个阶段都使用深度纹理✅多分辨率策略：平衡性能和质量✅保边滤波：双边滤波避免伪影✅模块化设计：清晰的三阶段流水线✅高效实现：相比 SSAO 可能有更好的性能与 SSAO 相比，EDL 提供了另一种屏幕空间遮蔽方案，特别适合需要实时性能的应用场景。
2026-07-08 14:15:34
55
原创 vtkEDLShading代码解读
是一种基于深度的实时阴影技术，由法国电力公司 (EDF)、CNRS 等机构联合开发。它通过模拟从"眼穹顶"发出的光线来计算局部遮蔽效果，类似于 SSAO 但算法不同。是一个成熟的深度感知后处理通道✅重度依赖深度信息：所有三个阶段都使用深度纹理✅多分辨率策略：平衡性能和质量✅保边滤波：双边滤波避免伪影✅模块化设计：清晰的三阶段流水线✅高效实现：相比 SSAO 可能有更好的性能与 SSAO 相比，EDL 提供了另一种屏幕空间遮蔽方案，特别适合需要实时性能的应用场景。
2026-07-08 10:34:54
53
原创 vtkImageProcessingPass代码解析
是一个抽象基类，用于实现后处理渲染通道（post-processing passes）。它继承自，为子类提供了常用的便捷方法。抽象基类: 不能直接实例化，需要子类实现具体后处理逻辑委托机制: 通过实现灵活的渲染管道组合离屏渲染: 使用 FBO 和纹理进行中间结果存储相机适配: 自动处理不同分辨率下的相机参数调整资源管理: 正确管理 OpenGL 资源和内存这个类是 VTK 渲染管道中后处理效果的基础设施，为 SSAO、模糊、边缘检测等效果提供了统一的框架。
2026-07-08 10:15:53
49
原创 vtkDepthPeelingPass代码解析
是 VTK 中处理高质量半透明渲染的重型武器。它通过牺牲一定的性能（多次渲染），换取了无需排序且物理正确的透明度效果。常用于医学可视化（如多层组织叠加）、科学计算可视化等对透明度准确性要求极高的场景。
2026-07-07 15:57:06
410
原创 vtkDepthOfFieldPass代码解析
是一个典型的基于深度的屏幕空间特效。它不修改几何体，而是通过“欺骗”人眼的方式，利用深度缓冲区的数值来控制模糊程度。如果你想在 VTK 场景中实现类似单反相机的背景虚化效果，就是使用这个类。
2026-07-07 15:39:42
60
原创 vtkDepthImageProcessingPass代码解析
是 VTK OpenGL2 渲染后端中连接几何渲染与屏幕空间后处理的桥梁。它解决了“如何在改变分辨率的情况下正确渲染场景并同时输出深度图”这一通用问题，使子类只需关注具体的 Shader 效果实现，而无需重复处理复杂的 FBO 管理和相机校正逻辑。
2026-07-07 15:25:27
191
原创 在vtk中集成FXAA来实现防锯齿功能
define FXAA_SPAN_MAX 8.0 // 最大搜索跨度，限制模糊范围，防止过度模糊#define FXAA_REDUCE_MUL (1.0 / 8.0) // 用于计算最小步长的系数#define FXAA_REDUCE_MIN (1.0 / 128.0) // 最小步长阈值，避免除以零或过小步长这段 FXAA 代码是一个高效、实用的后处理抗锯齿方案。优点：计算量小，对 GPU 压力低，能显著改善视觉上的锯齿感。缺点。
2026-07-06 14:37:09
385
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人