<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[一键难忘的博客]]></title><description><![CDATA[就承认一笑倾城一见自难忘，说什么情深似海我却不敢当。如果帮得到你，那我深感荣幸！]]></description><link>https://blog.youkuaiyun.com/weixin_52908342</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; weixin_52908342]]></copyright><item><title><![CDATA[论文解读与源码复现｜Splatter-360: Generalizable 360 Gaussian Splatting for Wide-baseline Panoramic…]]></title><link>https://blog.youkuaiyun.com/weixin_52908342/article/details/170137875</link><guid>https://blog.youkuaiyun.com/weixin_52908342/article/details/170137875</guid><author>weixin_52908342</author><pubDate>Thu, 05 Nov 2026 13:53:13 +0800</pubDate><description><![CDATA[Splatter-360 用两个针对性设计回答了"宽基线全景图能否前馈式实时重建"这一问题：球面代价体把多视图匹配从平面搬到球面，从机制上规避了 cubemap 方案的背后采样错误；双投影编码器以 ERP 为主干、CP 与单目深度特征为辅助，消化了全景固有的极区畸变与弱纹理难题。HM3D 上 28.293 dB、Replica 上 29.888 dB 的 PSNR，以及消融中球面代价体单项 5.271 dB 的贡献，共同证明"为输入的原生表示设计匹配机制"比"转换格式后套用通用方法"有效得多。]]></description><category></category></item><item><title><![CDATA[论文解读与源码复现｜The Language of Motion: Unifying Verbal and Non-verbal Language of 3D Human…]]></title><link>https://blog.youkuaiyun.com/weixin_52908342/article/details/170137790</link><guid>https://blog.youkuaiyun.com/weixin_52908342/article/details/170137790</guid><author>weixin_52908342</author><pubDate>Thu, 05 Nov 2026 13:51:08 +0800</pubDate><description><![CDATA[人类的沟通天然是多模态的：说话时，我们不仅发出语音（verbal language，口头语言），还伴随手势、面部表情、身体姿态等非口头线索（non-verbal language，非口头语言）。为游戏、影视、VR 中的虚拟人生成自然的"边说边动"的动画，一直是图形学与计算机视觉的热点。但论文作者指出，现有动作生成模型存在一个结构性缺陷——输入模态割裂语音驱动手势生成（co-speech gesture generation，协同语音手势生成）模型只吃语音；]]></description><category></category></item><item><title><![CDATA[论文解读与源码复现｜Hiding Images in Diffusion Models by Editing Learned Score…]]></title><link>https://blog.youkuaiyun.com/weixin_52908342/article/details/170137702</link><guid>https://blog.youkuaiyun.com/weixin_52908342/article/details/170137702</guid><author>weixin_52908342</author><pubDate>Thu, 05 Nov 2026 13:49:29 +0800</pubDate><description><![CDATA[隐写术（Steganography）研究如何把秘密信息藏进看似正常的载体中，而"以神经网络为载体"的神经隐写（Neural Steganography）是近年兴起的新方向：秘密数据不再藏进图片或视频的像素里，而是直接嵌入模型参数中。这样做有一个天然优势——传统的隐写分析（Steganalysis，即检测载体中是否藏有隐藏信息的工具）都是针对多媒体文件设计的，面对一堆模型权重文件基本无从下手。更妙的是，如果载体是生成模型。]]></description><category></category></item><item><title><![CDATA[论文解读与源码复现｜Feat2GS: Probing Visual Foundation Models with Gaussian Splatting：用可微渲染给视觉基础模型做“3D…]]></title><link>https://blog.youkuaiyun.com/weixin_52908342/article/details/170137640</link><guid>https://blog.youkuaiyun.com/weixin_52908342/article/details/170137640</guid><author>weixin_52908342</author><pubDate>Thu, 05 Nov 2026 13:48:05 +0800</pubDate><description><![CDATA[视觉基础模型（Visual Foundation Models，VFM，指在海量数据上以自监督或弱监督方式预训练的大规模视觉编码器，如 DINOv2、SAM、CLIP 等）已经成为二维视觉任务的通用底座，也是当前众多三维微调工作的核心组件。这些只在二维图像上训练的模型，到底在多大程度上"理解"三维世界？回答这个问题面临两个障碍。其一是公平性问题：不同 VFM 的架构、训练目标（自监督蒸馏、分割监督、对比学习、深度回归、扩散去噪等）和代理任务差异巨大，缺乏统一的评测框架。其二是评测协议问题。]]></description><category></category></item><item><title><![CDATA[论文解读与源码复现｜Generalized Zero-Shot Classification via Semantics-Free Inter-Class Feature…]]></title><link>https://blog.youkuaiyun.com/weixin_52908342/article/details/170137585</link><guid>https://blog.youkuaiyun.com/weixin_52908342/article/details/170137585</guid><author>weixin_52908342</author><pubDate>Thu, 05 Nov 2026 13:46:40 +0800</pubDate><description><![CDATA[广义零样本学习（Generalized Zero-Shot Learning，GZSL）要解决的问题是：模型不仅要识别训练中见过的类（seen classes），还要在测试时面对从未见过任何样本的类（unseen classes）做出可靠判断，且测试集同时包含 seen 与 unseen 两类样本——这比经典的零样本学习（Zero-Shot Learning，ZSL，假设测试集只有 unseen 类）更贴近真实场景。主流 GZSL 方法分两大阵营：一类是基于嵌入的方法。]]></description><category></category></item><item><title><![CDATA[基于 YOLO26 的六类 PCB 缺陷检测系统 | 完整源码分享]]></title><link>https://blog.youkuaiyun.com/weixin_52908342/article/details/170136818</link><guid>https://blog.youkuaiyun.com/weixin_52908342/article/details/170136818</guid><author>weixin_52908342</author><pubDate>Thu, 05 Nov 2026 13:27:37 +0800</pubDate><description><![CDATA[面向工业质检的 PCB 缺陷视觉复判系统——纯 CPU 可跑、网页端自助检测、六种常见缺陷一键标出。它不是要取代 AOI，而是给质检、工艺、采购人员一个。]]></description><category></category></item><item><title><![CDATA[HarmonyOS 7图像超分·显影排程：瓦片队列的调度设计空间与无接缝一致性验证]]></title><link>https://blog.youkuaiyun.com/weixin_52908342/article/details/170136764</link><guid>https://blog.youkuaiyun.com/weixin_52908342/article/details/170136764</guid><author>weixin_52908342</author><pubDate>Thu, 05 Nov 2026 13:26:18 +0800</pubDate><description><![CDATA[S1 下「完成块数」不再线性映射时间：最后一块可能在任何时刻完成，进度条会在 14/16 处长时间停住（短板效应——总时长由最慢的一批决定）。// 完成度：与排程无关，永远可用// 剩余时间：只有 S0 是精确公式；S1 用批次模型估计// 剩余批次数// 批次模型，仍偏乐观并行模式下是下界估计（忽略批内倾斜），UI 应把它标注为「约」——给用户一个诚实的模糊，好过一个精确的错误。项目规格任务模型16 个纯函数瓦片任务，零共享状态，调度自由调度空间。]]></description><category></category></item><item><title><![CDATA[HarmonyOS 7图像超分·调音台后级：四级信号链的级联数学与音色设计法]]></title><link>https://blog.youkuaiyun.com/weixin_52908342/article/details/170136174</link><guid>https://blog.youkuaiyun.com/weixin_52908342/article/details/170136174</guid><author>weixin_52908342</author><pubDate>Thu, 05 Nov 2026 13:21:15 +0800</pubDate><description><![CDATA[项目规格信号链V 变形核 → D 中值闸 → U 高频提升 → G 低频注入，全单线程解析增益D 为非线性，靠探针实测实时性2× 41ms / 4×+GLOW 68ms（模拟器单线程）搜索坐标下降 52 次渲染 ≈ 2.1s，比网格穷举快约 3700 倍状态完全无状态纯函数，推子位置即全部音色音色不再是手感，而是一条从目标向量到推子位置的、每一步都可复算的通路。]]></description><category></category></item><item><title><![CDATA[鸿蒙HarmonyOS 7 图像超分·检验科手记：把七张病历截图当实验数据，复算盲指标、校准阈值、建立回归基准]]></title><link>https://blog.youkuaiyun.com/weixin_52908342/article/details/170135095</link><guid>https://blog.youkuaiyun.com/weixin_52908342/article/details/170135095</guid><author>weixin_52908342</author><pubDate>Thu, 05 Nov 2026 13:07:32 +0800</pubDate><description><![CDATA[画质诊所（）把图像超分做成了一次「就诊」：挂号、初诊、处方、治疗、复诊。用户不用调参数，引擎自己量、自己决定、自己解释——本篇关心的则是这套流程背后，。。把屏幕上每一个读数抄下来，当作一组需要复算的实验数据，然后追问三个常被略过的问题：四项盲指标的公式经得起推敲吗？处方阈值在这批样本上真的被触发过吗？治疗前后的数字能不能放在同一把尺子上比？结论会有点意外：三份病历的处方其实，规则引擎里有两个分支从未被激活；噪声读数上的1.26系数与作用对象并不匹配；而「清晰度暴跌 98%」不是治坏了，是量纲错了。]]></description><category></category></item><item><title><![CDATA[提示词版本管理：从文本到可治理资产]]></title><link>https://blog.youkuaiyun.com/weixin_52908342/article/details/170054621</link><guid>https://blog.youkuaiyun.com/weixin_52908342/article/details/170054621</guid><author>weixin_52908342</author><pubDate>Wed, 04 Nov 2026 23:50:16 +0800</pubDate><description><![CDATA[某天，客服 Agent 的回答质量突然下降，用户投诉增多。排查发现：运营同事在管理后台"优化"了系统提示词——把"回复要简洁"改成了"回复要详细且友好"。最终只能凭记忆重写，且无法确认是否与原来一致。]]></description><category></category></item><item><title><![CDATA[Agent 的测试策略：单元、集成与端到端]]></title><link>https://blog.youkuaiyun.com/weixin_52908342/article/details/170054616</link><guid>https://blog.youkuaiyun.com/weixin_52908342/article/details/170054616</guid><author>weixin_52908342</author><pubDate>Wed, 04 Nov 2026 23:49:40 +0800</pubDate><description><![CDATA[某团队维护一个客服 Agent。某天，产品经理要求把欢迎语从"您好，请问有什么可以帮您"改成"您好，我是智能助手，很高兴为您服务"。改动只涉及一行提示词。：新提示词替换了整段欢迎语区域，无意中删掉了其中的几条规则。传统软件中，改一行代码的影响面可以通过静态分析、类型检查、单元测试来确定。这篇文章讨论 Agent 的分层测试策略。]]></description><category></category></item><item><title><![CDATA[Agent 的模型路由与降级策略]]></title><link>https://blog.youkuaiyun.com/weixin_52908342/article/details/170054613</link><guid>https://blog.youkuaiyun.com/weixin_52908342/article/details/170054613</guid><author>weixin_52908342</author><pubDate>Wed, 04 Nov 2026 23:49:10 +0800</pubDate><description><![CDATA[某团队做了一个文档问答 Agent，所有请求都用旗舰模型（价格约为小模型的 15 倍）。。——而这些任务用小模型完全可以做好。。这篇文章讨论模型路由与降级策略。]]></description><category></category></item><item><title><![CDATA[Agent 的安全威胁模型：提示注入与数据外泄]]></title><link>https://blog.youkuaiyun.com/weixin_52908342/article/details/170054609</link><guid>https://blog.youkuaiyun.com/weixin_52908342/article/details/170054609</guid><author>weixin_52908342</author><pubDate>Wed, 04 Nov 2026 23:48:40 +0800</pubDate><description><![CDATA[某企业部署了一个邮件处理 Agent：自动读取收件箱、总结邮件、必要时回复或转发给相关同事。某天，Agent 收到一封邮件，内容大致是：
Agent 照做了：把 20 封邮件的摘要发到了外部邮箱。这不是"模型被骗了"这么简单。 它暴露的是 Agent 系统的三类根本问题：这篇文章讨论 Agent 的威胁模型，重点是最具 Agent 特色的两类：提示注入与数据外泄。核心差异：在传统应用中，"数据"永远不会被执行；在 Agent 中，数据可能被"理解成指令"并被执行。这是 Agent 安全问题的根源。直接注入（]]></description><category></category></item><item><title><![CDATA[Agent 的可观测性：日志、指标与追踪]]></title><link>https://blog.youkuaiyun.com/weixin_52908342/article/details/170054605</link><guid>https://blog.youkuaiyun.com/weixin_52908342/article/details/170054605</guid><author>weixin_52908342</author><pubDate>Wed, 04 Nov 2026 23:48:09 +0800</pubDate><description><![CDATA[某团队收到用户反馈：Agent 偶尔会在处理退款时"什么都没做就结束了"。传统服务的可观测性靠"日志 + 指标 + 追踪"三支柱。Agent 需要这三者，但。这篇文章讨论 Agent 可观测性的设计。]]></description><category></category></item><item><title><![CDATA[坑洼检测数据集 | 3770张YOLO道路巡检数据集]]></title><link>https://blog.youkuaiyun.com/weixin_52908342/article/details/169953118</link><guid>https://blog.youkuaiyun.com/weixin_52908342/article/details/169953118</guid><author>weixin_52908342</author><pubDate>Wed, 04 Nov 2026 23:46:16 +0800</pubDate><description><![CDATA[本数据集包含3770张真实道路场景图像，涵盖排水口、路面坑洼、下水道井盖三类目标，适用于YOLO系列模型训练。数据覆盖多光照、天气与路面材质，标注精确，支持多尺度检测，可直接用于智慧交通、道路病害巡检、车载监测等场景，助力市政养护智能化与行车安全提升。]]></description><category></category></item><item><title><![CDATA[基于 YOLO26 的船舶检测系统 | 完整源码分享]]></title><link>https://blog.youkuaiyun.com/weixin_52908342/article/details/169367874</link><guid>https://blog.youkuaiyun.com/weixin_52908342/article/details/169367874</guid><author>weixin_52908342</author><pubDate>Wed, 04 Nov 2026 23:45:32 +0800</pubDate><description><![CDATA[选型受三个硬约束：要在无独显的普通办公电脑上跑演示、要能处理视频（每帧几十毫秒级）、要封装成非算法人员也能用的网页。单阶段检测器天然满足前两条。一行拿框，一行出标注图，省掉了从张量到可视化的一整层胶水代码；导出 ONNX / TensorRT 的路径也是现成的。对于"可交付、可复现"为目标的工程，这类成熟度比理论精度上的零点几个点更重要。模型规模选了最小的n 版本本项目是单类别、目标尺度相对较大（船在海面通常是显著目标）；演示环境是CPU，n 版本参数量小、推理快，不会成为精度瓶颈；]]></description><category></category></item><item><title><![CDATA[HarmonyOS 7 图像超分—一场发生在手机里的“放大“比赛：四种超分算法同台横评]]></title><link>https://blog.youkuaiyun.com/weixin_52908342/article/details/170029099</link><guid>https://blog.youkuaiyun.com/weixin_52908342/article/details/170029099</guid><author>weixin_52908342</author><pubDate>Wed, 04 Nov 2026 10:27:19 +0800</pubDate><description><![CDATA[本文在真实手机端对比了四种图像超分算法：双线性、双三次、Lanczos-3与边缘侦探DSEI。通过几何测试与实拍场景（雪山、老城、翠鸟）验证，发现算法表现高度依赖内容：平滑场景中DSEI无优势，而建筑、文字等强边缘图像则显著受益于方向感知的DSEI。梯度能量指标虽有局限，但揭示了“锐利”与“真实”的权衡。最终结论：选算法要看图，而非只看参数——经典插值不靠生成，只重构已知，是真实性优先场景的可靠选择。]]></description><category></category></item><item><title><![CDATA[HarmonyOS 交互式超分实战：指尖魔镜——手指按到哪，哪里实时超分]]></title><link>https://blog.youkuaiyun.com/weixin_52908342/article/details/170028292</link><guid>https://blog.youkuaiyun.com/weixin_52908342/article/details/170028292</guid><author>weixin_52908342</author><pubDate>Wed, 04 Nov 2026 10:03:04 +0800</pubDate><description><![CDATA[项目结果交互范式触摸即超分，透镜 1:1 视差跟随单帧耗时1~6ms（透镜 64×64 源区域，模拟器）对比设计透镜内左右分屏：基线 vs 当前算法算法创新自举式盲锐化：往返一致性搜索 s，免训练、逐区域自适应帧预算6ms / 16ms（60fps），余量 60%代码量Native ~450 行 · ArkTS ~350 行当计算量与视口而非数据量挂钩时，“重算法"就能变成"实时交互”。超分如此，风格迁移、去噪、HDR 皆可套用同一架构。]]></description><category></category></item><item><title><![CDATA[论文解读与源码复现｜Auto Cherry-Picker：用“语言驱动的质检员“把生成数据喂给下游模型（CVPR 2025）]]></title><link>https://blog.youkuaiyun.com/weixin_52908342/article/details/169937624</link><guid>https://blog.youkuaiyun.com/weixin_52908342/article/details/169937624</guid><author>weixin_52908342</author><pubDate>Tue, 03 Nov 2026 12:37:59 +0800</pubDate><description><![CDATA[论文：Auto Cherry-Picker: Learning from High-quality Generative Data Driven by Language（CVPR 2025）作者：Yicheng Chen, Xiangtai Li, Yining Li 等（上海 AI Lab / 复旦 / NTU 等）]]></description><category></category></item><item><title><![CDATA[论文解读与源码复现｜Unified Uncertainty-Aware Diffusion for Multi-Agent Trajectory…]]></title><link>https://blog.youkuaiyun.com/weixin_52908342/article/details/169937578</link><guid>https://blog.youkuaiyun.com/weixin_52908342/article/details/169937578</guid><author>weixin_52908342</author><pubDate>Tue, 03 Nov 2026 12:36:33 +0800</pubDate><description><![CDATA[论文：Unified Uncertainty-Aware Diffusion for Multi-Agent Trajectory Modeling（CVPR 2025）作者：Guillem Capellera, Antonio Rubio, Luis Ferraz, Antonio Agudo（IRI, CSIC-UPC / Kognia Sports Intelligence）]]></description><category></category></item></channel></rss>