- 博客(315)
- 资源 (2)
- 问答 (1)
- 收藏
- 关注
RSS订阅
原创 原理之（〇）3D Gaussian Splatting 数学原理与推导
3D Gaussian Splatting源于EWA的理论基础，本文重点从EWA模型出发，详细推导3D GS中的数学原理，加深对鱼眼相机畸变场景下的理解。
2025-02-22 13:43:33
3782
原创 扩散模型之（十三）条件生成 Conditioned Generation
各类图像数据集等具有条件信息的图像训练生成模型时，通常会根据类别标签或一段描述性文本生成条件样本，本文进一步展开介绍条件生成。
2026-03-17 08:41:19
615
原创 关注点之（十一）初始化的典型策略
地面点基于lidar seg得到的地面要素点，采用体素法采样指定比例。1.RigidNodes 与 DeformableNodes。初始化有各种各样的方法，这里简要列出几种典型代表。得到instance各个bbox内部的点。使用时，基于上述坐标予以恢复。2.地面ground。
2026-03-09 00:00:00
52
原创 Improving Classifier-Free Guidance of Flow Matching via Manifold Projection
优化的角度对CFG提供了一种原理性解释，揭示了流匹配中的速度场对应于一系列平滑距离函数的梯度，这些梯度引导潜在变量趋向于缩放后的目标图像集。
2026-02-25 23:58:35
646
原创 Learning on the Manifold: Unlocking Standard Diffusion Transformers withRepresentation Encoders
论文通过几何洞察，揭示了标准扩散Transformer应用于表示编码器特征空间时收敛失败的根本原因，并提出了一种创新的几何对齐方法RJF，成功解锁了现有DiT架构的潜力，实现了高效且高质量的生成。
2026-02-25 23:30:11
661
原创 R3D2: Realistic 3D Asset Insertion via Diffusion for Autonomous Driving Simulation
实现逼真的实时插入，风格一致性学习模型
2026-02-07 00:08:08
662
原创 关注点之（七）NVS优化与智驾世界模型及仿真器
freefix:boosting 3d gaussian splatting fine-tuning
2026-01-09 11:46:24
243
原创 DIFIX3D+: Improving 3D Reconstructions with Single-Step Diffusion Models
循环重建+diffusion修复结合
2026-01-08 19:02:11
449
原创 VGGT(Visual Geometry Grounded Transformer)分析
VGGT 的核心贡献在于打破了 “3D 重建依赖几何优化” 的传统范式，通过大模型 + 多任务联合训练，实现了 “快速、通用、高精度” 的 3D 属性推断。效率突破：秒级处理数百张图像，为实时 3D 重建（如自动驾驶、AR/VR）提供可能；易用性提升：无需手动设计多阶段流水线（如 SfM 的特征匹配→三角化→BA），直接端到端输出所有 3D 属性；生态赋能：预训练骨干可迁移至多种下游任务，为 3D 视觉提供统一的特征提取基础，类似 CLIP 在 2D 视觉的作用。
2026-01-06 11:02:22
1306
原创 扩散模型之（九）从 flow matching 到 Rectified Flow
flow matching 到 rectified flow的演变及两者的异同点
2025-12-21 23:20:09
860
原创 应用之（五）场景重建+扩散模型混合训练及推理加速策略
梳理Difix3d为代表的修复路线技术路径，结合扩散模型的最新进展，从原理上给出主要的改进和提升方向。
2025-12-09 19:06:10
148
原创 3D Gaussain splatting 的训练提速
3DGS渲染加速，适应边缘端 3D 交互，包括AR/VR 设备的实时场景渲染、移动机器人的环境感知可视化
2025-10-09 14:24:43
666
原创 扩散模型之（八）Rectified Flow：走直线一步到位的生成模型
Rectified Flow通过将噪声与数据平滑连接的插值过程进行因果化来学习作为生成模型的常微分方程ODE，具有更笔直轨迹，进一步改善轨迹的笔直度。
2025-09-16 23:55:53
527
原创 扩散模型之（十二）模型结构比较之 U-Net 与 DiT
扩散模型backbone说明：U-Net与DiT，同时给出了diffusion模型使用U-Net的几种主流观点。
2025-09-16 13:19:34
1122
1
原创 GSFix3D
提出一种微调机制，修复3D GS NVS 缺陷，在2D层面利用扩散模型修复有瑕疵的新视角渲染，然后将这些修复后的、更完美的2D图像作为新的“监督信号”，反过来优化底层的3DGS表示。
2025-09-02 15:26:40
1130
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人