算法_元组的基本用法
元组（tuple）的基本用法 元组不可修改 逗号 , 才是创建元组的关键，括号是可选的（除了空元组）。以下也是元组 列表采用中括号[] 1234567# 元组是不可变的DIRS = (0, 1), (1, 0), (0, -1), (-1, 0)# DIRS[0] = (1, 0) # ❌ 错误！元组不可修改# 如果是列表就可以修改DIRS_LIST = [[0, 1], [1, 0], [0, -1], [-1, 0]]DIRS_LIST[0] = [1, 0] # ✅ 可以修改 Python 元组完全入门指南 创建元组 1234567891011121314151617181920212223242526# 1. 用圆括号创建（最常用）t1 = (1, 2, 3, 4, 5)print(t1) # (1, 2, 3, 4, 5)# 2. 不用括号，直接用逗号分隔t2 = 1, 2, 3, 4, 5print(t2) # (1, 2, 3, 4, 5)# 3. 单元素元组（必须加逗号！）t3 = (1,) # 正确，这是一个元组print(t3) #...
算法_大小根堆
算法_大小根堆的使用 Python 中的堆（heapq）使用详解 Python 中的堆是通过 heapq 模块实现的，默认是小顶堆（最小堆）。 一、堆的基本操作 1. 导入和创建堆 123456789import heapq# 创建一个空堆heap = []# 或者将现有列表转为堆nums = [3, 1, 4, 1, 5, 9, 2]heapq.heapify(nums) # 原地转换，O(n)print(nums) # [1, 1, 2, 3, 5, 9, 4]（小顶堆结构） 2. 基本操作 123456789101112131415161718192021222324252627import heapqheap = []# 添加元素heapq.heappush(heap, 5)heapq.heappush(heap, 2)heapq.heappush(heap, 3)heapq.heappush(heap, 1)print(heap) # [1, 2, 3, 5]（堆序结构）# 弹出最小元素smallest = heapq.heappop(heap) # 返回...
算法_如何自定义sort
如何自定义sort sort(key=lambda x: x[0]) 的含义 python 1intervals.sort(key=lambda x: x[0]) 这行代码的意思是：按照每个区间的第一个元素（起始位置）进行排序 intervals 是一个列表，每个元素是 [start, end] key 参数指定排序的依据 lambda x: x[0] 是一个匿名函数，输入 x（每个区间），输出 x[0]（区间的起始值），这个x是任意命名的 排序时会根据这个输出值来决定顺序 1234567891011121314151617181920# 1. 按单个字段排序data = [[1, 3], [2, 6], [8, 10], [15, 18]]data.sort(key=lambda x: x[0]) # 按第一个元素升序data.sort(key=lambda x: x[1]) # 按第二个元素升序# 2. 按多个字段排序data.sort(key=lambda x: (x[0], x[1])) # 先按第一个，再按第二个data.sort(key=lambda x:...
实践日记_AlphaPose微调
链表 链表（Linked List）是什么 链表是一种线性数据结构，由一系列节点组成，每个节点包含数据和指向下一个节点的指针。 生活中的类比 类比1：寻宝游戏 每个地点有一张纸条 纸条上写着下一个地点的地址 你要按顺序一个一个找下去 类比2：火车车厢 每节车厢装着货物（数据） 车厢之间用挂钩连接（指针） 火车头就是链表的头节点 链表的基本结构 节点（Node） 1234class ListNode: def __init__(self, val=0, next=None): self.val = val # 节点存储的数据 self.next = next # 指向下一个节点的指针 链表示意图 123456单向链表：[数据|指针] → [数据|指针] → [数据|指针] → None 节点1 节点2 节点3具体例子：[1|*] --> [2|*] --> [3|*] --> None 为什么需要链表？ 数组的缺点 12345678#...
论文阅读_ViT
An Image is Worth 16x16 Words: Transformers for Image Classification at Scale 基本信息 项目 内容 论文标题 An Image is Worth 16x16 Words: Transformers for Image Classification at Scale 作者 Kaiming He（何恺明）、Xiangyu Zhang、Shaoqing Ren、Jian Sun（微软亚洲研究院） 作者单位 Google Research 时间 2020 发表会议/期刊 全称 Vision Transformer 方法概览 特点 文章性质 输入 单张 RGB 图像 输出 分类 所属领域 CNN 存在一些局限： 问题 说明 局部感受野 卷积核只能看到局部区域，难以建模长距离依赖 归纳偏置过强 平移不变性、局部性等假设可能限制模型表达能力 难以扩展 模型变大时性能提升有限 创新点 首次成功地将 纯...
论文阅读_VilT
Learning Visual Language Representation from Web-scale Weak-supervised Data 基本信息 项目 内容 论文标题 Learning Visual Language Representation from Web-scale Weak-supervised Data 作者 作者单位 韩国科学技术院（KAIST） 时间 2021 发表会议/期刊 方法概览 特点 文章性质 输入 输出 所属领域 背景 在ViLT之前，主流的视觉-语言模型（如LXMERT, CLIP, ALIGN, UNITER等）通常采用以下架构： 独立的特征提取器： 使用一个预训练的视觉编码器（如ResNet或Faster R-CNN）将图像转换为一组区域特征（region features）或网格特征（grid...
论文阅读_Zero-1-to-3
Zero-Shot 3D Content Generation from a Single Image 基本信息 项目 内容 论文标题 Zero-Shot 3D Content Generation from a Single Image 作者 作者单位 加州大学圣地亚哥分校、英伟达、多伦多大学和麻省理工学院 时间 2023 发表会议/期刊 全称 方法概览 特点 文章性质 输入 单张 RGB 图像 输出 从指定相机视点合成图像进一步生成三维模型 所属领域 新视图合成和 3D 形状重建 创新点 Zero1to3的核心是一个条件扩散模型（Conditional Diffusion Model），但它不是直接生成3D网格或点云，而是生成多视角的二维图像。 利用了强大的几何先验： Depth Estimation (深度估计): 模型首先使用一个预训练的单目深度估计模型（如MiDaS或DPT）从输入的单张2D图像中预测出一个粗略的深度图。这个深度图提供了关于物体表面距离的重要几何线索。 Camera Pose...
论文阅读_ImageSculpting
Image Sculpting: Precise Object Editing with 3D Geometry Control 通过结合3D几何和图形工具来编辑2D图像。Image Sculpting 将 2D 对象转换为 3D，直接在3D空间中编辑目标，然后高保真的渲染为2D图像。 Prob.Def input: one image,manipulation of the objects and their orientations in 3D space output:a high-quality edited 2D image 背景和相关工作 生成图像编辑：现有方法仅限于 2D 空间，通常依赖于文本指令：Prompt-to-Prompt [24]、Plug-and-Play [76]、InstructPix2Pix [10]、Imagic [34] 和 Object 3DIT [47] 然而，更具体的指令，如“将物体抬起 5 厘米并旋转 42 度”，不太可能成功，因为当前的生成模型无法仅通过文本提示来满足此类详细请求。 基于 2D...
论文阅读_MAE
An Image is Worth 16x16 Words: Transformers for Image Classification at Scale 基本信息 项目 内容 论文标题 An Image is Worth 16x16 Words: Transformers for Image Classification at Scale 作者 Kaiming He 作者单位 Google Research 时间 2021 发表会议/期刊 ICCV 2021 全称 Masked Autoencoders，cv中的bert 方法概览 特点 文章性质 输入 单张 RGB 图像 输出 分类 所属领域 在 MAE 之前，视觉自监督学习主要有两类方法： 对比学习（Contrastive Learning）如 SimCLR、MoCo：通过“拉近正样本，推远负样本”学习，需要精心设计数据增强和负样本 生成式建模如 VAE、iGPT：重建完整图像，计算成本高，关注低级细节（如像素） 能否像 BERT...
论文阅读_MASt3R-MVS
基本信息 项目 内容 论文标题 MUSt3R: Multi-view Network for Stereo 3D Reconstructio 作者 作者单位 NAVER LABS Europe（欧洲Naver实验室） 时间 2025 发表会议/期刊 全称 方法概览 特点 文章性质 输入 单张 RGB 图像 输出 所属领域 一个 3D 点、一个置信度值和一个局部特征。 创新点 在 DUSt3R 前额外加一个 network 输出稠密的 local features，并添加 matching loss 来训练。最后引入一种快速相互匹配方案，能够将匹配速度提高几个数量级。 网络架构 如何匹配？ 背景知识 匹配方法通常被归结为一个三步流程，首先提取稀疏且可重复的关键点，然后用局部不变特征描述它们，最后通过比较它们在特征空间中的距离来配对离散的关键点集。SIFT在 COLMAP等 3D...