<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[pontoon‘s zone]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/pontoon</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; pontoon]]></copyright><item><title><![CDATA[论文解读：【CVPR24 Highlight】LangSplat: 3D Language Gaussian Splatting]]></title><link>https://blog.csdn.net/pontoon/article/details/149108777</link><guid>https://blog.csdn.net/pontoon/article/details/149108777</guid><author>pontoon</author><pubDate>Fri, 04 Jul 2025 07:58:05 +0800</pubDate><description><![CDATA[摘要： 清华与哈佛团队提出的LangSplat（CVPR 2024 Highlight）基于3D高斯溅射技术，实现了开放词汇的3D场景交互（如物体定位与分割），解决了现有方法LERF的速度与精度缺陷。通过替换NeRF为高效高斯溅射，LangSplat渲染速度提升199倍；结合SAM的层级分割，消除边界模糊与语义歧义；并设计场景专属自编码器压缩CLIP特征，降低35倍内存开销。实验表明，该方法在语言查询任务中兼具实时性与高精度。 关键词： 3D高斯溅射、开放词汇查询、SAM分割、自编码器、实时交互]]></description><category></category></item><item><title><![CDATA[【CVPR25】LogoSP: Local-global Grouping of Superpoints for Unsupervised Semantic Segmentation of 3D]]></title><link>https://blog.csdn.net/pontoon/article/details/149009752</link><guid>https://blog.csdn.net/pontoon/article/details/149009752</guid><author>pontoon</author><pubDate>Mon, 30 Jun 2025 08:43:20 +0800</pubDate><description><![CDATA[LogoSP：基于局部-全局超点分组的无监督3D点云语义分割（CVPR 2025 | 港理工） 本文提出LogoSP方法，解决现有无监督3D语义分割方法在特征质量和分组策略上的不足。核心创新包括：1）通过2D-3D特征蒸馏模块获取语义先验；2）自下而上的超点生长策略；3）基于图傅里叶变换的全局超点分组方法。具体实现中，首先利用预训练2D模型提取特征并投影到3D点云，然后通过超点生长构建层次结构，最后在频域中分析全局模式生成高质量伪标签。实验表明，该方法在多个基准数据集上优于现有技术，尤其在复杂场景中展现出更]]></description><category></category></item><item><title><![CDATA[论文解读：【CVPR2025最佳论文】VGGT: Visual Geometry Grounded Transformer]]></title><link>https://blog.csdn.net/pontoon/article/details/149009690</link><guid>https://blog.csdn.net/pontoon/article/details/149009690</guid><author>pontoon</author><pubDate>Mon, 30 Jun 2025 08:37:41 +0800</pubDate><description><![CDATA[CVPR2025最佳论文奖，来自牛津的VGG实验室。提出了真正的端到端重建： VGGT是一个前馈式（feed-forward）神经网络，仅需一次前向传播，就能在数秒内直接从输入的单张、少量或数百张图像中，一次性预测出场景的全套3D关键属性，包括相机内外参数、深度图、点图和3D点轨迹。]]></description><category></category></item><item><title><![CDATA[论文解读：【NeurIPS 2023】 Bridging the Domain Gap: Self-Supervised 3D Scene Understanding with Foundation]]></title><link>https://blog.csdn.net/pontoon/article/details/149009589</link><guid>https://blog.csdn.net/pontoon/article/details/149009589</guid><author>pontoon</author><pubDate>Mon, 30 Jun 2025 08:33:50 +0800</pubDate><description><![CDATA[来自NIPS2023，本文提出Bridge3D框架，通过自监督学习弥合3D模型与多模态基础模型之间的领域差距。该框架包含三个核心组件：(1)基于基础模型生成的语义掩码指导3D掩码自编码器，提出前景感知的掩码与补丁丢弃策略；(2)场景级多模态知识蒸馏，利用图像描述生成技术对齐3D点云与文本/图像特征；(3)对象级知识蒸馏，通过解码器重构机制将视觉与文本特征融入3D表示学习。实验表明，该方法在下游任务中优于现有技术，首次实现了多基础模型协同的3D场景理解。相关工作为探索3D与语言/视觉的跨模态学习提供了新思路。]]></description><category></category></item><item><title><![CDATA[论文解读：SAMPro3D: Locating SAM Prompts in 3D for Zero-Shot Scene Segmentation]]></title><link>https://blog.csdn.net/pontoon/article/details/141608382</link><guid>https://blog.csdn.net/pontoon/article/details/141608382</guid><author>pontoon</author><pubDate>Tue, 27 Aug 2024 17:29:26 +0800</pubDate><description><![CDATA[通过这种方式，3D 点充当nature prompt，以对齐从该 3D 点跨不同帧投影的pixel prompt，从而使同一 3D 对象的pixel prompt及其 SAM prediction mask在帧之间表现出一致性。最初在 3D 场景的 2D 帧上生成的prompt无法传播到覆盖其他帧中新出现的object，从而导致整个场景的分割不完整（c）（prompt时采用regular grid prompt，视角变化的话，prompt可能会消失）投影到的prompt可能不是最合适的）]]></description><category></category></item><item><title><![CDATA[论文解读：Segment3D: Learning Fine-Grained Class-Agnostic 3D Segmentation without Manual Labels]]></title><link>https://blog.csdn.net/pontoon/article/details/141608240</link><guid>https://blog.csdn.net/pontoon/article/details/141608240</guid><author>pontoon</author><pubDate>Tue, 27 Aug 2024 17:24:53 +0800</pubDate><description><![CDATA[首先使用 SAM 自动生成的 2D 掩模来预训练与类别无关的 3D 分割模型，这些掩模被投影到部分 RGB-D 点云。为此，在第二阶段，我们利用预训练模型的高置信度掩模预测作为训练信号，以自监督的方式在全 3D 点云上微调模型。Stage2 预训练预测中选高Score的参与监督，只对mask做loss，不对是否“object”做loss，如果将正确的mask预测为“无效”物体对训练有害（可理解为标签噪声的影响）2D 模型泛化能力和零样本能力强，启发：将 2D 模型的这些特征融入到 3D 模型中。]]></description><category></category></item><item><title><![CDATA[论文解读：SAM3D: Segment Anything in 3D Scenes]]></title><link>https://blog.csdn.net/pontoon/article/details/141608034</link><guid>https://blog.csdn.net/pontoon/article/details/141608034</guid><author>pontoon</author><pubDate>Tue, 27 Aug 2024 17:20:38 +0800</pubDate><description><![CDATA[2.第一帧点云中的object mask（mask id为m）map到第二帧点云中的object mask（mask id为n），σmn为第二针点云中object mask id为n的点数量，σm为第一帧点云中maskid为m的点数量，σn为第一帧点云中maskid为n的点数量，满足下式则认为高度重叠，可合并成一个mask，其中阈值0.5。之后再将第一帧和第二帧点云调换过来重复上述步骤，将第一帧点云中id为n的mask改为id为m。之后将第二帧点云中id为m的mask改为id为n。]]></description><category></category></item><item><title><![CDATA[vscode清除远程连接的本地缓存]]></title><link>https://blog.csdn.net/pontoon/article/details/129021453</link><guid>https://blog.csdn.net/pontoon/article/details/129021453</guid><author>pontoon</author><pubDate>Tue, 14 Feb 2023 09:51:23 +0800</pubDate><description><![CDATA[查看本地remote-ssh（远程连接）缓存删除本地remote-ssh（远程连接）缓存。背景：实验室有服务器，经常用自己电脑的vscode远程连接实验室服务器，但是实际上连接的是服务器的docker，如果改配置比如改了GPU和CPU数量时，会重新开一个docker去连接，且该docker里的vscode-server配置需要重新下载且复制到本地，这样本地会占用很大缓存。]]></description><category></category></item><item><title><![CDATA[远程服务器时间慢8小时解决方案]]></title><link>https://blog.csdn.net/pontoon/article/details/126563867</link><guid>https://blog.csdn.net/pontoon/article/details/126563867</guid><author>pontoon</author><pubDate>Sat, 27 Aug 2022 23:10:06 +0800</pubDate><description><![CDATA[远程服务器时间慢8小时]]></description><category></category></item><item><title><![CDATA[Vscode远程连接服务器终端zsh+Oh-my-zsh + Powerlevel10 + Autosuggestions + Autojump + Syntax-highlighting]]></title><link>https://blog.csdn.net/pontoon/article/details/126207925</link><guid>https://blog.csdn.net/pontoon/article/details/126207925</guid><author>pontoon</author><pubDate>Sun, 07 Aug 2022 11:16:51 +0800</pubDate><description><![CDATA[本人在Mac端已经配置好了iterm2 + Oh-my-zsh + Powerlevel10 + Autosuggestions + Autojump + Syntax-highlighting的终端（terminal）环境，但是想用Vscode远程连接服务器，并且想把服务器的终端也同步一下，于是记录如何远程配置服务器的Oh-my-zsh + Powerlevel10 + Autosuggestions + Autojump + Syntax-highlighting的终端环境。......]]></description><category></category></item><item><title><![CDATA[何凯明新作ViTDET：目标检测领域，颠覆分层backbone理念]]></title><link>https://blog.csdn.net/pontoon/article/details/124459631</link><guid>https://blog.csdn.net/pontoon/article/details/124459631</guid><author>pontoon</author><pubDate>Wed, 27 Apr 2022 20:32:00 +0800</pubDate><description><![CDATA[何凯明目标检测新作，颠覆分层Backbone理念。]]></description><category></category></item><item><title><![CDATA[soft-nms numpy-python实现软非极大值抑制精简代码]]></title><link>https://blog.csdn.net/pontoon/article/details/123348480</link><guid>https://blog.csdn.net/pontoon/article/details/123348480</guid><author>pontoon</author><pubDate>Tue, 08 Mar 2022 11:09:34 +0800</pubDate><description><![CDATA[soft-nms相对于nms整个改进只需要使用绿色虚线表示的Soft-NMS替换红色虚线表示的NMS。B集合是检测到的所有建议框，S集合是各个建议框得分（分数是指建议框包含物体的可能性大小），Nt是指手动设置的阈值。M为当前得分最高框，bi 为待处理框。



相比其他网站的代码，此soft-nms代码实现非常精短，先给出iou的代码：




def iou(bbox,gt):
    #lt是两个框中间重叠框的最左边和最上边的坐标，rb是两个框中间重叠框的最右边和最下边的坐标
    lt = np..]]></description><category></category></item><item><title><![CDATA[NMS-python-numpy 精简非极大值抑制代码]]></title><link>https://blog.csdn.net/pontoon/article/details/123345884</link><guid>https://blog.csdn.net/pontoon/article/details/123345884</guid><author>pontoon</author><pubDate>Tue, 08 Mar 2022 10:01:56 +0800</pubDate><description><![CDATA[参考别人的代码，发现别人的代码比较繁琐，以下是精简后的NMS代码，代码可读性强，最后给出可视化图以及可视化代码（可视化是参考别人的代码）


NMS过程：

1 将各组box按照score降序排列

2 从score最大值开始，置为当前box，保存idex，然后依次遍历后面的box，计算与当前box的IOU值，若大于阈值，则抑制，不会输出

3 完成一轮遍历后，继续选择下一个非抑制的box作为当前box，重复步骤2

4 返回没有被抑制的index即符合条件的box



NMS在过程中需要计算iou，所以]]></description><category></category></item><item><title><![CDATA[论文解读：GAN与检测网络多任务/SOD-MTGAN: Small Object Detection via Multi-Task Generative Adversarial Network]]></title><link>https://blog.csdn.net/pontoon/article/details/123332116</link><guid>https://blog.csdn.net/pontoon/article/details/123332116</guid><author>pontoon</author><pubDate>Mon, 07 Mar 2022 15:52:32 +0800</pubDate><description><![CDATA[1.瓶颈问题：

小尺度目标，受限于缺乏足够的目标特征信息，使之很难从背景中区分出来，且小尺度目标一般都是低分辨率、模糊不清的，因此检测性能一般

CNN-based目标检测算法都需要使用到下采样操作，导致小尺度目标不仅损失了空间位置信息，且本来很少的目标特征几乎被背景上的特征给淹没了



2.本文贡献：

提出了一种用于小物体检测的新型统一端到端多任务生成对抗网络（MTGAN），可以与任何现有的检测器结合使用

在MTGAN中，生成器网络生成超分辨率图像，并引入多任务判别器网络，以同时区分真实的高分辨率]]></description><category></category></item><item><title><![CDATA[论文解读：跨模态/多光谱/多模态检测 Cross-Modality Fusion Transformer for Multispectral Object Detection]]></title><link>https://blog.csdn.net/pontoon/article/details/123331783</link><guid>https://blog.csdn.net/pontoon/article/details/123331783</guid><author>pontoon</author><pubDate>Mon, 07 Mar 2022 15:44:14 +0800</pubDate><description><![CDATA[（可见图像和热成像）

右侧的热图像可以在光照不足的情况下捕捉到更清晰的行人轮廓。 此外，热图像还捕捉到被柱子遮挡的行人。在光线充足的白天，视觉图像比热图像具有更多的细节，例如边缘、纹理和颜色。有了这些细节，我们可以很容易地找到隐藏在机动三轮车中的司机，而这在热图像中是很难找到的。



1.瓶颈问题：

现实世界中环境是不断变化的，比如雨天，雾天，晴天，...]]></description><category></category></item><item><title><![CDATA[论文解读TransFG: A Transformer Architecture for Fine-grained Recognition]]></title><link>https://blog.csdn.net/pontoon/article/details/115554762</link><guid>https://blog.csdn.net/pontoon/article/details/115554762</guid><author>pontoon</author><pubDate>Fri, 09 Apr 2021 17:07:03 +0800</pubDate><description><![CDATA[论文解读TransFG: A Transformer Architecture for Fine-grained Recognition

问题：Transformer还未应用在图像细分类领域中

贡献点：1.vision transformer的输入把图像切分成patch，但是是没有overlap的，文章改成切分patch用overlap（这只能算个trick）

2.Part Selection Module





通俗讲就是最后一层的输入与vision transformer不同，即把最后一层前.]]></description><category></category></item><item><title><![CDATA[python爬虫中requests库和正则表达式之淘宝爬虫实战]]></title><link>https://blog.csdn.net/pontoon/article/details/79269404</link><guid>https://blog.csdn.net/pontoon/article/details/79269404</guid><author>pontoon</author><pubDate>Tue, 06 Feb 2018 14:29:49 +0800</pubDate><description><![CDATA[#python版本基于2.7
使用requests库是需要安装的，requests库相比urllib 库来说更高级方便一点，同时与scrapy相比较还是不够强大，本文主要介绍利用requests库和正则表达式完成一项简单的爬虫小项目----淘宝商品爬虫。

有关于更多requests库的使用方法请参考：官方文档
第一步：我们先打开淘宝网页












]]></description><category></category></item></channel></rss>