方法名称 核心策略 是否支持增量 效率表现 精度 & 全局一致性 发布时间 DUSt3R 两视图Transformer回归局部点云，需后续全局优化对齐 否 O(n²) 成对重建，效率低 精度高但误差累积，全局一致性依赖后处理优化 ...

第一次打kaggle比赛因为没什么经验，中间浪费了很多时间和提交次数来了解数据、测试流程和模型部署。 虽然没拿到牌子, 还是学到了不少东西。下次继续努力 :) 结束第一天总结 相比于自己搭建框架, 优先去复刻往年金牌的思路，注意其中提到的技巧以及baseline（其实写论文也是如此，站在巨人的肩膀上，不要因为非我发明综合征而去重复造轮子） 本地s...

关于robotiq 2F-85的ROS/ROS2驱动相关: 官方论坛的讨论 官方停止维护的github repo panagelak个人开发的ROS2 driver

来自croco的Transformer Block, 类似于ViT或Swin Transformer的基本块。 class Block(nn.Module): def __init__(self, dim, num_heads, mlp_ratio=4., qkv_bias=False, drop=0., attn_drop=0., drop_p...

并不是为了学习VAE 而是之前看LRM的openreview意见时，有个review提到，LRM是一个判别模型而非生成模型。那么什么是判别模型(discriminative)什么又是生成模型(generative) 今天在ai summer里偶然看到了对比，临时记录下 图来自:https://theaisummer.com/latent-variable-models/

本文是对diffusion的入门级学习记录。 现在只考虑最简单的情况 学习资料来自: How diffusion models work: the math from scratch GaussianObject: High-Quality 3D Object Reconstruction from Four Views with Gaussian Splatting base i...

手撕MHA 我们需要什么 首先, 点积注意力(Scaled Dot-Product Attention)是注意力机制所需的最小单元，你也可以叫他(自注意力) 准备QKV 首先我们需要将输入的tensor映射到Query, Key和Value三个向量空间中去。 self.W_q = nn.Linear(embed_dim, embed_dim) self.W_k = nn.Linea...

Spann3R 主要数据流向： ┌──> 输入图像 I_t (当前帧) │ ├──> ViT 编码器 (Encoder_I) # 提取视觉特征 │ └──> 视觉特征 f_I^t │ ├──> 记忆查询特征 f_Q^{t-1} (上一帧查询) │ └──> 进入 记忆读取 (Memory Read) │ ├──> 记忆模块 (Spati...

可能会用到相关代码 Zhe Cao, Ilija Radosavovic, Angjoo Kanazawa, and Jitendra Malik. Reconstructing hand-object interactions in the wild. In Proceedings of the IEEE/CVF International Conference on Computer ...

MASt3R + 3dgs 关于colmap format保存数据的部分说明 相机内参保存3×3的$K$矩阵 相机外参保存 4×4的$E$矩阵(world-to-camera), 但是被拆分为$R$和$t$两部分保存, 其中$R$转换为四元数保存 MASt3R会对输入图像进行resize处理, 因此估计的内参和外参绑定的图像尺寸都是resize后的图像尺寸。因此在没有额外处理的情...