人无远虑，必有近忧

本文介绍了 FoundationStereo，一种用于立体深度估计的基础模型，旨在实现强大的零样本泛化能力。通过构建大规模（100 万立体图像对）合成训练数据集，结合自动自筛选流程去除模糊样本，并设计了网络架构组件（如侧调谐特征主干和远程上下文推理）来增强可扩展性和准确性。这些创新显著提升了模型在不同领域的鲁棒性和精度，为零样本立体深度估计设立了新标准。相关论文 FoundationStereo: Zero-Shot Stereo Matching 获得 CVPR 2025 满分评审，代码已开源。

文章标题：SAM 2: Segment Anything in Images and Videos。

文章标题：ViewFusion: Towards Multi-View Consistency via Interpolated Denoising。

文章标题：EscherNet: A Generative Model for Scalable View Synthesis。

文章标题：Splatter Image: Ultra-Fast Single-View 3D Reconstruction。

文章标题：NViST: In the Wild New View Synthesis from a Single Image with Transformers 创建环境 进入环境安装torch torchvision torchaudio 安装其它依赖2. 数据下载与预处理2.1. 获取下载地址和密码点击链接 https://docs.google.com/forms/d/e/1FAIpQLSfU9BkV1hY3r75n5rc37IvlzaK2VFYbdsvoh

文章标题：FREEREG: IMAGE-TO-POINT CLOUD REGISTRATION LEVERAGING PRETRAINED DIFFUSION MODELS AND MONOCULAR DEPTH ESTIMATORS匹配是图像到点云配准的基本问题。然而，由于图像和点之间的模态差异，通过现有的特征匹配度量学习​​方法很难学习鲁棒性和判别性的跨模态特征。我们建议首先通过预训练的大型模型来统一图像和点云之间的模态，然后在同一模态内建立鲁棒的对应关系，而不是在跨模态数据上应用度量学习。

正负样本的定义用到的就是匈牙利匹配算法，分类损失和类似回归损失的总损失和最小；类回归损失的计算代码如下：这里介绍一下，gt_box 的表示方式，gt_box 的维度是九维的，分别是 [xc，yc，zc，w，l，h，rot，vx，vy]；而预测结果框的维度是十维的，所以要对 gt_box 的维度进行转换，转换为的维度表示为 [xc，yc，w，l，cz，h，rot.sin()，rot.cos()，vx，vy]计算类回归损失（L1 Loss）

注意：根据你的cuda版本选择相应的版本，并注意它们之间的版本依赖关系。把Mini的压缩包都放在同一个目录，例如名为v1.0-mini，然后解压，解压的时候会有一些目录合并。把全量的压缩包都放在同一个目录，例如名为v1.0-full，然后解压，解压的时候会有一些目录合并。把v1.0-mini改名为v1.0-trainval，这样得到的目录是。需要下载TrainVal, Test和can_bus，得到如下文件。需要下载Mini, Test和can_bus，得到如下文件。使用conda创建环境。

在pytorch中的多GPU训练一般有2种DataParallel和DistributedDataParallel，DataParallel是最简单的的单机多卡实现，但是它使用多线程模型，并不能够在多机多卡的环境下使用，所以本文将介绍DistributedDataParallel，DDP 基于使用多进程而不是使用多线程的DP，并且存在GIL争用问题，并且可以扩充到多机多卡的环境，所以它是分布式多GPU训练的首选。