This is a 部落格 of outbreak_sen

发表于2025-12-03|论文阅读

基本信息项目内容论文标题 SpatialTracker: Tracking Any 2D Pixels in 3D Space 作者 Yuxi Xiao1,3* Qianqian Wang2* Shangzhan Zhang1,3 Nan Xue3 Sida Peng彭斯达1 Yujun Shen3 Xiaowei Zhou1†周晓魏∗：平等贡献;†：项目负责人;‡：通讯作者。作者单位浙江大学 UC伯克利蚂蚁集团时间 2024axiv 发表会议/期刊方法概览特点文章性质输入单目视频输出 3D 点轨迹所属领域点跟踪一句话总结做了什么跟踪 3D 空间中的 2D 像素。为了估计遮挡和复杂 3D 运动下的 2D 运动，将 2D 像素提升到 3D 中并在 3D...

论文阅读_SpatialTrackerV2

发表于2025-12-03|论文阅读

基本信息项目内容论文标题 SpatialTrackerV2: 3D Point Tracking Made Easy3D 点跟踪变得简单作者 Yuxi Xiao1∗ Jianyuan Wang2 Nan Xue3 Nikita Karaev2,4 Yuri Makarov4 Bingyi Kang5 Xing Zhu3 Hujun Bao1 Yujun Shen3 Xiaowei Zhou∗：平等贡献;†：项目负责人;‡：通讯作者。作者单位浙江大学牛津大学蚂蚁集团 Pixelwise AI 字节跳动种子（Bytedance Seed）时间 20250719axiv 发表会议/期刊方法概览特点文章性质输入单目视频输出 3D 场景几何形状、相机姿势和 3D 点轨迹所属领域点跟踪，三维重建一句话总结做了什么从任意场景的单目视频中一次性生成一致的 3D 场景几何形状、相机姿势和 3D...

论文阅读_SwinTransformer

发表于2025-12-03|论文阅读

基本信息项目内容论文标题作者作者单位微软亚洲研究院（MSRA）时间 2021 发表会议/期刊论文别名 Shifted WindowTransformer 方法概览特点文章性质输入输出所属领域创新点对于高分辨率图像，patch序列会非常长，导致计算量和内存消耗巨大，难以应用于目标检测、分割等需要处理高分辨率输入的任务。解决早期视觉Transformer（如ViT）在处理高分辨率图像时计算复杂度极高的问题 Swin Transformer = 分层Patch划分 + 窗口内自注意力 + 移位窗口连接 + Patch Merging下采样。分层（Hierarchical）结构通过逐步合并patch来构建一个类似CNN的金字塔结构，从而生成多尺度的特征图。 Patch Partition：输入图像首先被分割成不重叠的 4x4 patch（或其他大小），每个 4x4 patch...

论文阅读_ThreeStudio

发表于2025-12-03|论文阅读

论文阅读_Transformer_Encoder_Decoder

发表于2025-12-03|论文阅读

基本信息项目内容论文标题 Attention is all you need 作者很多共一作者单位 Google Brain 团队（Vaswani et al.）时间 2017 发表会议/期刊方法概览特点文章性质输入输出所属领域 EncoderLayer “自己看自己”：用 Self-Attention 编码输入，输出上下文表示。 DecoderLayer “边看自己，边看别人”：先自注意力（带掩码），再关注 Encoder 的输出。创新点完全抛弃 RNN 和 CNN，仅依靠自注意力机制（Self-Attention）实现序列建模。是 GPT、BERT、ChatGPT 等模型的基石。

论文阅读_VGG

发表于2025-12-03|论文阅读

基本信息项目内容论文标题 Very Deep Convolutional Networks for Large-Scale Image Recognition_ 作者作者单位牛津大学 Visual Geometry Group（VGG）时间 2014 发表会议/期刊方法概览特点文章性质输入单张 RGB 图像输出分类、分割所属领域视觉 Transformer 创新点证明了网络深度对性能的重要性，提出了结构简洁、可复用的“小卷积核堆叠”设计范式。AlexNet（8 层）卷积核大（11×11, 5×5），难以扩展所有卷积层都使用 3×3 卷积核，步长为 1，填充为 1 多个 3×3 卷积堆叠可以模拟大感受野，减少参数，增加非线性（更多 ReLU）：两个 3×3 卷积 ≈ 一个 5×5 卷积（感受野 5×5）三个 3×3 卷积 ≈ 一个 7×7 卷积（感受野 7×7） VGG 探索了从 11 层到 19 层的多种网络结构。使用 ReLU 和 Dropout，-...

论文阅读_VGGT-LONG

发表于2025-12-03|论文阅读

基本信息项目内容论文标题 VGGT-Long: Chunk it, Loop it, Align it– Pushing VGGT’s Limits on Kilometer-scale Long RGB Sequences 作者 Kai Deng, Zexin Ti, Jiawei Xu, Jian Yang, Jin Xie 作者单位南开大学；南京大学时间 2025 发表会议/期刊方法概览特点文章性质输入图片序列（SLAM定义可传入激光IMU等各种机器人传感 **输出一个环境的几何/语义地图（Map）：点云，稀疏的点云ORBSLAM，稠密的点云LSDSLAM，高斯场景一条智能体的运动轨迹（Trajectory）图片位姿片位姿片位姿所属领域 SLAM（Simultaneous Localization and Mapping，背景问题说明面对室外长序列数据场景 CUT3R, Fast3R存在严重的漂移问题MASt3R-SLAM,...

工具笔记_QT usage

发表于2025-12-03|论文阅读

QT usage C++QT 遇到了qml等文件还是得用qt他原版 PyQT VScode+pyQT installation 安装PyQt 12pip install PyQt5pip install PyQt5-tools vscode安装PYQT Integration便于使用pyqt 12345678# Pyqt-integration > Qtdesigner: Path\venv_QT\Lib\site-packages\qt5_applications\Qt\bin\designer# Pyqt-integration > Pyuic: Cmd 用于转化ui格式为py\venv_QT\Scripts\pyuic5# Pyqt-integration > Pyuic > Compile: Filepath默认是将ui转化好的py文件存在当前目录的ui文件夹下使用Pyuic工具，将 .ui文件转换为 .py文件。在文件夹栏空白处点击右键点击「PYQT: New Form」启动Qt Designer软件「文件 >...

工具笔记_WSLubuntuUsage

发表于2025-12-03|论文阅读

#安装oh-my-zsh gitee安装 sudo apt install curl git sh -c “$(curl -fsSL https://gitee.com/mirrors/oh-my-zsh/raw/master/tools/install.sh)” 外网安装 wget https://github.com/robbyrussell/oh-my-zsh/raw/master/tools/install.sh -O - | sh 安装Powerlevel10k主题 git clone --depth=1 powerlevel10k: Official mirror of https://github.com/romkatv/powerlevel10k {ZSH_CUSTOM:-HOME/.oh-my-zsh/custom}/themes/powerlevel10k 配置Powerlevel10k vim...

工具笔记_VSCode Python Debug 教程

发表于2025-12-03|论文阅读

VSCode Python Debug 教程我有以下几个目的： debug时候传入参数，就像运行python test -pram a -pram1 b这样子，这个如何实现如何实现conda环境下运行看每个变量的大小和值步进运行每一行 12345678910111213141516171819202122232425262728293031323334353637383940414243444546474849505152535455565758{ // 使用 IntelliSense 了解相关属性。 // 悬停以查看现有属性的描述。 // 欲了解更多信息，请访问: https://go.microsoft.com/fwlink/?linkid=830387 "version": "0.2.0", "configurations": [ // 基于内置的 Node.js 调试器 // 可以创建多个调试器，然后起不同名字，选择对应的进行操作...