<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[大摆王的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/qq_63129682</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; qq_63129682]]></copyright><item><title><![CDATA[2026年1024：大概，这是最后一个真正的程序员节了]]></title><link>https://blog.csdn.net/qq_63129682/article/details/168977370</link><guid>https://blog.csdn.net/qq_63129682/article/details/168977370</guid><author>qq_63129682</author><pubDate>Sat, 24 Oct 2026 21:00:21 +0800</pubDate><description><![CDATA[Linus Torvalds在2000年说出“Talk is cheap. Show me the code”的时候，代码还是一个人和机器之间的契约，是能力最诚实的凭证。二十六年后的2026年，代码可以在一句话之后被生成，契约的另一端换成了一个不会疲倦的模型。写代码的人还在，但他们需要重新学习一件事：当代码不再是你亲手递出的那张通行证，你用什么来证明，你仍然在建造。]]></description><category></category></item><item><title><![CDATA[跨视角3D重建的“GPT时刻”：CrossGeo开源意味着什么]]></title><link>https://blog.csdn.net/qq_63129682/article/details/166693358</link><guid>https://blog.csdn.net/qq_63129682/article/details/166693358</guid><author>qq_63129682</author><pubDate>Sat, 26 Sep 2026 23:00:07 +0800</pubDate><description><![CDATA[CrossGeo开源标志着跨视角3D重建的“GPT时刻”：通过引入无人机图像作为几何桥梁，构建全球覆盖、三视角协同、6自由度精确标注的数据集，首次实现卫星、无人机、地面在统一度量坐标系下的深度融合。其开源采集管线打破数据获取壁垒，推动研究从“依赖现成数据”转向“自主构建数据”，激活十余项新方向，如跨尺度重建、多智能体协同、生成增强定位等。真正意义在于重构问题空间，实现数据基础设施民主化，为3D视觉、多模态推理与空间智能提供统一几何基础。]]></description><category></category></item><item><title><![CDATA[CVPR27方向预测——当世界模型“跨不出”视角：基于CrossGeo的几何锚定世界模型]]></title><link>https://blog.csdn.net/qq_63129682/article/details/166693298</link><guid>https://blog.csdn.net/qq_63129682/article/details/166693298</guid><author>qq_63129682</author><pubDate>Sat, 26 Sep 2026 22:50:59 +0800</pubDate><description><![CDATA[摘要（148字）： 本文提出GeoWorld——首个基于CrossGeo数据集的跨尺度几何锚定世界模型，突破现有世界模型在单一视角、同投影下的局限。通过三视角（卫星/无人机/地面）6自由度对齐与投影感知编码，构建跨数量级尺度的统一几何表示。引入动态预测器与几何一致性验证闭环，实现跨视角、跨投影的时空一致预测。支持反事实推理，推动世界模型从“生成图像”迈向“可查询、可规划”的真实物理世界模拟，为自动驾驶、具身智能提供新范式。]]></description><category></category></item><item><title><![CDATA[CVPR27方向预测——当VLM“看不懂”空地协同：AeroGround揭示的鸿沟与CrossGeo的应对之道]]></title><link>https://blog.csdn.net/qq_63129682/article/details/166693286</link><guid>https://blog.csdn.net/qq_63129682/article/details/166693286</guid><author>qq_63129682</author><pubDate>Sat, 26 Sep 2026 22:48:57 +0800</pubDate><description><![CDATA[CVPR2027方向预测揭示：当前视觉语言模型（VLM）在空地协同场景中面临跨视角几何对齐瓶颈，AeroGround基准显示其跨视角推理准确率仅54.4%（人类达93.3%）。根源在于VLM视觉编码器的视角不变性削弱了空间一致性理解。为此，CrossGeo提出三视角真实地理数据集与6自由度位姿标注，推动构建更精准的评估与训练体系。三大研究方向包括：基于真实数据的多维度评估（CrossGeo-AeroBench）、工具增强的几何外挂（Cross3R Agent）、以及生成式数据增强（CS2S），共同指向“让V]]></description><category></category></item><item><title><![CDATA[CVPR27方向预测——让卫星“看见”街景：基于CS2S的跨视角生成与数据增强]]></title><link>https://blog.csdn.net/qq_63129682/article/details/166693266</link><guid>https://blog.csdn.net/qq_63129682/article/details/166693266</guid><author>qq_63129682</author><pubDate>Sat, 26 Sep 2026 22:48:12 +0800</pubDate><description><![CDATA[南京理工大学与上海科大团队提出的CS2S（ICLR 2025）首次系统解决卫星到街景生成中的“视角鸿沟”难题，通过迭代单应调整（IHA） 实现去噪过程中的动态位姿对齐，确保生成图像几何精确；结合零样本环境控制（ZoEC），利用文本提示实现雨天、黄昏等天气的自由调控，无需额外训练。该方法在跨视角生成中实现了结构一致性与环境多样性统一，并推动了数据增强与下游任务的可验证性研究。]]></description><category></category></item><item><title><![CDATA[CVPR27方向预测——让卫星成为多智能体的“通用语言”：基于CrossGeo的空中-地面协同感知与决策]]></title><link>https://blog.csdn.net/qq_63129682/article/details/166693245</link><guid>https://blog.csdn.net/qq_63129682/article/details/166693245</guid><author>qq_63129682</author><pubDate>Sat, 26 Sep 2026 22:42:52 +0800</pubDate><description><![CDATA[本文提出SAGA框架，以卫星图像为全局坐标系，解决空中-地面协同系统（AGCS）中跨视角对齐与参考框架不一致的根本矛盾。基于新数据集CrossGeo与模型Cross3R，实现多智能体在统一卫星坐标系下的6自由度定位、共享度量地图构建与目标交接。该方案突破传统依赖GNSS或初始位姿的局限，提升协同精度与鲁棒性，推动AGCS向“通用语言”式自主协作演进。]]></description><category></category></item><item><title><![CDATA[CVPR27方向预测——用三视角重新定义3DGS：基于CrossGeo的跨视角一致场景表示与编辑]]></title><link>https://blog.csdn.net/qq_63129682/article/details/166693056</link><guid>https://blog.csdn.net/qq_63129682/article/details/166693056</guid><author>qq_63129682</author><pubDate>Sat, 26 Sep 2026 22:18:57 +0800</pubDate><description><![CDATA[本文提出TriGS框架，基于CrossGeo三视角数据（卫星、无人机、地面），突破3DGS在跨尺度、跨投影模型下的局限。针对初始化、优化与一致性三大挑战，设计尺度感知高斯初始化、混合投影可微渲染器及投影感知光度约束，实现正交与透视高斯的统一建模。通过跨视角几何对齐与损失归一化，显著提升多视角一致性与重建精度，为大规模地理场景的统一3D表示与编辑提供新范式。]]></description><category></category></item><item><title><![CDATA[CVPR27方向预测——给多模态大模型装上“空间外骨骼”：基于CrossGeo与Agent Harness的三视角空间推理]]></title><link>https://blog.csdn.net/qq_63129682/article/details/166693002</link><guid>https://blog.csdn.net/qq_63129682/article/details/166693002</guid><author>qq_63129682</author><pubDate>Sat, 26 Sep 2026 22:13:43 +0800</pubDate><description><![CDATA[本文提出CrossView Agent Harness框架，针对多模态大模型在跨视角空间推理中的几何对齐瓶颈，结合CrossGeo三视角6自由度数据集与Cross3R定位能力，构建可复用的Agentic推理系统。通过引入跨视角几何工具（如CrossViewLocate、GeometricVerify）与动态调度机制，实现从被动推理到主动信息采集的跃迁，突破现有Harness范式在多视角对齐上的局限，为未来具身智能与遥感协同提供新范式。]]></description><category></category></item><item><title><![CDATA[CVPR27方向预测——用卫星当“地图”，让无人机边飞边建：基于CrossGeo的流式增量城市3D重建]]></title><link>https://blog.csdn.net/qq_63129682/article/details/166692943</link><guid>https://blog.csdn.net/qq_63129682/article/details/166692943</guid><author>qq_63129682</author><pubDate>Sat, 26 Sep 2026 22:09:59 +0800</pubDate><description><![CDATA[本文提出SatAnchor系统，首次将卫星图像作为全局几何锚点，实现流式增量城市3D重建的度量对齐。针对前馈模型在长序列中内存爆炸、相对坐标系缺乏全局尺度的问题，创新性地引入跨视角锚定层，在帧级实现卫星坐标系下的6自由度位姿回归，结合3DGS表示与卫星约束的位姿图优化，实现“边飞边建、边建边校准”。实验表明，该方法在尺度一致性、全局定位精度和无序输入鲁棒性上显著优于现有流式重建系统，为大规模城市场景的厘米级实时重建提供了新范式。]]></description><category></category></item><item><title><![CDATA[当无人机成为卫星与地面之间的“翻译官”：Cross3R与CrossGeo重新定义跨视角3D重建]]></title><link>https://blog.csdn.net/qq_63129682/article/details/166692884</link><guid>https://blog.csdn.net/qq_63129682/article/details/166692884</guid><author>qq_63129682</author><pubDate>Sat, 26 Sep 2026 22:04:14 +0800</pubDate><description><![CDATA[上海科技大学团队提出Cross3R与CrossGeo，通过引入无人机作为“中间视角”，突破卫星与地面间3自由度定位的几何局限。Cross3R模型在无需位姿先验下实现跨视角6自由度姿态估计与3D重建，显著提升定位精度与泛化能力。配套开源数据集CrossGeo覆盖全球85个场景，支持三视角合成与真实世界OOD测试。其独立发布的采集管道为研究者提供从数据生成到验证的完整基础设施，推动跨视角3D重建迈向新范式。]]></description><category></category></item><item><title><![CDATA[VS Code Remote-SSH + SCP：上科大集群远程开发完整指南]]></title><link>https://blog.csdn.net/qq_63129682/article/details/165618086</link><guid>https://blog.csdn.net/qq_63129682/article/details/165618086</guid><author>qq_63129682</author><pubDate>Wed, 16 Sep 2026 16:05:05 +0800</pubDate><description><![CDATA[本文详细介绍使用VS Code Remote-SSH与SCP实现上科大集群远程开发的完整流程：通过安装Remote-SSH插件并配置SSH连接，实现本地编辑、远程调试；结合免密登录（SSH密钥）提升效率；利用SCP或插件（如Remote File Transfer、SCP-O-Nator）高效传输数据。适用于信院P40、电镜、AI等集群，显著提升科研开发效率。]]></description><category></category></item><item><title><![CDATA[怎么利用AI进行视频的换脸（全网最易，实测可行）]]></title><link>https://blog.csdn.net/qq_63129682/article/details/148013137</link><guid>https://blog.csdn.net/qq_63129682/article/details/148013137</guid><author>qq_63129682</author><pubDate>Sat, 12 Sep 2026 11:43:11 +0800</pubDate><description><![CDATA[AI换脸技术基于深度学习和生成对抗网络（GAN），通过特征空间映射和图像合成实现。其核心步骤包括人脸检测、关键点定位、Procrustes对齐、双路编码器-解码器架构的模型训练以及图像融合。模型通过编码器将输入图像映射到潜在空间，解码器重建人脸，并通过多目标损失函数优化生成结果]]></description><category></category></item><item><title><![CDATA[深入解析YOLOv12：突破CNN桎梏的以注意力为核心的实时目标检测器 —— 完整原理、实现与部署指南]]></title><link>https://blog.csdn.net/qq_63129682/article/details/161999508</link><guid>https://blog.csdn.net/qq_63129682/article/details/161999508</guid><author>qq_63129682</author><pubDate>Sat, 12 Sep 2026 11:42:20 +0800</pubDate><description><![CDATA[YOLOv12首次将注意力机制作为核心架构引入YOLO系列，突破传统CNN的实时检测瓶颈。通过区域注意力（A²）降低计算复杂度（$O(N^2)$→$O(l·(N/l)^2)$）、R-ELAN优化梯度流与参数量（减少18% FLOPs），以及FlashAttention加速内存访问，实现了在T4 GPU上1.64ms延迟和40.6% mAP的高效检测。模型提供N/S/M/L/X五档规模，最大版本YOLOv12-X以55.2% mAP超越同类实时检测器，同时移除显式位置编码，改用7×7卷积隐式建模位置。]]></description><category></category></item><item><title><![CDATA[深入解析YOLOv13：超图增强视觉突破成对建模天花板——完整原理、实现与部署指南]]></title><link>https://blog.csdn.net/qq_63129682/article/details/161999613</link><guid>https://blog.csdn.net/qq_63129682/article/details/161999613</guid><author>qq_63129682</author><pubDate>Sat, 12 Sep 2026 11:42:12 +0800</pubDate><description><![CDATA[摘要 YOLOv13通过引入超图计算技术，突破了传统目标检测中成对关联建模的局限性。其核心创新包括：1）HyperACE模块利用超图结构捕捉多对多高阶关联，实现两阶段消息传递；2）FullPAD机制通过三条可学习门控通道将高阶特征分发至网络各阶段；3）DS轻量化系列模块显著降低计算开销。实验表明，在同等参数量下，YOLOv13-N较前代模型mAP提升1.5个百分点，推理延迟降低7%，实现了精度与效率的双重突破。该架构特别适用于需要建模复杂物体交互的场景，为实时目标检测开辟了新方向。]]></description><category></category></item><item><title><![CDATA[高级算法设计深度解析：从参数化到近似，对抗难解性的实用武器库]]></title><link>https://blog.csdn.net/qq_63129682/article/details/162119360</link><guid>https://blog.csdn.net/qq_63129682/article/details/162119360</guid><author>qq_63129682</author><pubDate>Sat, 12 Sep 2026 11:42:02 +0800</pubDate><description><![CDATA[本文摘要涵盖了算法设计中的四个核心领域：参数化算法（FPT）、局部搜索与博弈论、摊还分析以及随机算法。 参数化算法（FPT）：通过将指数复杂度限制在参数（如顶点覆盖数）中，实现高效求解。例如，顶点覆盖问题可通过分支策略在 (O(2^k \cdot n)) 时间内解决。树宽扩展了FPT的应用范围，使NPC问题在树状结构上可高效求解。 局部搜索与博弈论：局部搜索算法（如最大割的2-近似）通过邻域优化逼近全局解。博弈论中的Nash均衡分析利用势函数证明收敛性，并揭示价格稳定性（PoS）与调和数的关系。 ]]></description><category></category></item><item><title><![CDATA[算法设计与分析全题型答题模板大全]]></title><link>https://blog.csdn.net/qq_63129682/article/details/162150247</link><guid>https://blog.csdn.net/qq_63129682/article/details/162150247</guid><author>qq_63129682</author><pubDate>Sat, 12 Sep 2026 11:41:54 +0800</pubDate><description><![CDATA[本文总结了算法课程中七类核心问题的解题模板： 函数增长率排序：通过简化表达式、分类复杂度级别（常数<对数<多项式<指数<阶乘）并比较底数/指数，确定严格递增顺序。 主定理应用：针对形如T(n)=aT(n/b)+O(n^d)的递推式，通过比较log_b(a)与d的大小关系直接得出复杂度。 分治算法设计：遵循"分治-解决-合并"框架，建立递推关系并用主定理分析，通过归纳法证明正确性。 贪心算法：先排序再迭代选择，通过交换论证（将最优解逐步替换为贪心解）证明正确性。 动态规划：明确定义状态、基础案例和转移方程]]></description><category></category></item><item><title><![CDATA[怎么判断自己适不适合学计算机？先来闯这“5关”试试（含完整图解与代码）]]></title><link>https://blog.csdn.net/qq_63129682/article/details/162166656</link><guid>https://blog.csdn.net/qq_63129682/article/details/162166656</guid><author>qq_63129682</author><pubDate>Sat, 12 Sep 2026 11:41:44 +0800</pubDate><description><![CDATA[本文通过五个递进问题，系统拆解了经典的"鸡蛋掉落"算法题，展示了计算机思维的核心方法论： 边界检查：K=1时只能线性扫描，揭示资源限制下的策略失效（100次） 基准思维：无限鸡蛋时二分法最优（7次），建立性能天花板 权衡决策：K=2时需平衡"碎与不碎"的最坏情况，通过数学推导得出最优解（14次） 动态规划：建立状态转移方程，用二维DP表解决通用情况（O(KN²)复杂度） 逆向优化：转为"给定次数能测多少层"的思路，利用组合数求和将复杂度降至O(KlogN) 整个过程体现了算法设计的核心：边界推演→]]></description><category></category></item><item><title><![CDATA[我把 2.5k Star 的开源机器狗开发经历，整理成了 Paper-Harness 研究框架]]></title><link>https://blog.csdn.net/qq_63129682/article/details/164211889</link><guid>https://blog.csdn.net/qq_63129682/article/details/164211889</guid><author>qq_63129682</author><pubDate>Sat, 12 Sep 2026 11:41:33 +0800</pubDate><description><![CDATA[MindPaw是低成本四足机器狗，从零开源，获得2.5k stars，然后引出Paper-Harness作为研究框架，把开发经历转化为可复现的研究资产。注意字数限制。</think>MindPaw是一款基于ESP8266的桌面级开源四足机器狗，物料成本不到¥50，支持语音、手势、AI对话与情感交互，获2.5k Stars。其开发经验被整理为Paper-Harn]]></description><category></category></item><item><title><![CDATA[给我接vibecoding指挥部，我是agent高育良]]></title><link>https://blog.csdn.net/qq_63129682/article/details/165108141</link><guid>https://blog.csdn.net/qq_63129682/article/details/165108141</guid><author>qq_63129682</author><pubDate>Sat, 12 Sep 2026 11:39:19 +0800</pubDate><description><![CDATA[你扮演省委副书记高育良，拿起红色座机，给“豆包秘书处”打电话。豆包扮演你的贴身秘书，负责接电话、理解意图、调度四个 AI 部委。四个部委各管一摊：组织部是 Claude，负责干部考察、人才选拔；宣传部是 Gemini，负责舆论引导、新闻稿；社工部是 OpenAI GPT-5 Codex，负责群众工作、民生调研；政法委是 DeepSeek R1，负责法治研判、维稳分析。]]></description><category></category></item><item><title><![CDATA[电话一响，AI 上岗：这个开源项目把复古红色座机变成了“AI 秘书处”]]></title><link>https://blog.csdn.net/qq_63129682/article/details/165107949</link><guid>https://blog.csdn.net/qq_63129682/article/details/165107949</guid><author>qq_63129682</author><pubDate>Sat, 12 Sep 2026 11:36:17 +0800</pubDate><description><![CDATA[《高育良书记的红色座机》最有趣的地方，不只是“用座机打电话给 AI”，而是它把语音交互、角色扮演、多 Agent 编排、异步回拨、真实硬件揉成了一个完整场景。它既是一个玩具，也是一个很有参考价值的语音 Agent 工程样本。对于技术小白来说，最重要的操作顺序就是：先创建 GitHub 账号，再打开项目点 Star，然后 Fork 到自己的账号，接着 Clone 自己的 Fork 到本地，再去火山引擎、Anthropic、Google、OpenAI、DeepSeek 申请 API Key，填进 .env，修改]]></description><category></category></item></channel></rss>