zzqdeco ~/blog

#Computer Vision

共 12 篇 · 第 1 / 2 页
tags Deep Reading 33 Paper Reading 24 Code Reading 16 Computer Vision 12 Generative AI 5 Recommendation System 5 3D Generation 4 Agentic RL 3
还有 96 个标签 →
Deep Learning 3 Diffusion Models 3 Engineering 3 Image-to-3D 3 Knowledge Graph 3 Reinforcement Learning 3 Text-to-3D 3 3D Scene Generation 2 3D Scene Synthesis 2 Asynchronous RL 2 Computer Graphics 2 Graphics 2 NeRF 2 Optimization 2 RAG 2 Ranking 2 Systems 2 Two-Tower 2 Workflow 2 YouTube 2 3D Assets 1 3D Gaussian Splatting 1 3D Reconstruction 1 3D Scene Editing 1 3D Scene Modeling 1 3D Vision 1 Agent Memory 1 AI 1 AI Agents 1 Alibaba 1 ANN 1 Authorization 1 CAD Alignment 1 CAD Retrieval 1 Claude Code 1 Codex 1 Cold Start 1 Content Provenance 1 Context Engineering 1 Credit Assignment 1 CTR Prediction 1 Cypher 1 Database Internals 1 DeepSeek 1 Einops 1 Fourier Convolution 1 Generative Models 1 Generative Recommenders 1 Git 1 Graph Database 1 Graphiti 1 HSTU 1 Hybrid Search 1 Image Inpainting 1 Image Watermarking 1 Knowledge Augmented Generation 1 LLM Inference 1 LLM Post-Training 1 LLM Reliability 1 Long-Horizon RL 1 Loss Landscape 1 Machine Learning 1 Meta 1 Multi-Task Learning 1 Multimodal LLM 1 Multitask Learning 1 Neo4j 1 Notes 1 OpenFGA 1 OpenSPG 1 Pose Estimation 1 Python 1 Qwen 1 ReBAC 1 Rectified Flow 1 Referring Segmentation 1 Search 1 Search Engine 1 Security 1 Semi-Autoregressive Generation 1 Sequential Recommendation 1 Single-view Reconstruction 1 Speculative Decoding 1 Survey 1 System Design 1 Tensor Programming 1 Theory 1 Training Systems 1 Tutorial 1 User Interest Modeling 1 Vector Search 1 Vespa 1 Visual Grounding 1 Works 1 Zanzibar 1 Zep 1

2026

2026.08

  1. TrustMark 论文精读：任意分辨率图像水印、频谱损失与可重水印工作流

    精读 TrustMark 如何通过 MUNIT 嵌入器、ResNet50 提取器、可微扰动、焦点频率损失、分辨率缩放和 TrustMark-RM 实现高质量鲁棒图像水印

    Deep ReadingPaper ReadingImage Watermarking +4
2026.07

  1. SUFLECA 论文精读：大规模 NOC 特征学习、几何一致匹配与零样本 CAD 对齐

    精读 SUFLECA 如何通过 12 数据集 NOC 弱监督、DPT 几何特征、互为 Top-k 对应、各向异性尺度共识和 SupeRANSAC，实现高效的单图 CAD-to-image 9D 对齐

    Deep ReadingPaper Reading3D Vision +4

  2. LaMa 论文精读：傅里叶卷积、大掩码修复与跨分辨率泛化

    精读 LaMa 如何通过 Fast Fourier Convolution、高感受野感知损失和大掩码训练，在单阶段图像修复中恢复周期结构并泛化到训练未见的高分辨率

    Deep ReadingPaper ReadingImage Inpainting +4

  3. Diorama 论文精读：零样本单图 3D 场景建模、CAD 检索与语义布局优化

    精读 Diorama 如何通过开放世界感知、PlainRecon、场景图、CAD 检索、9-DoF 位姿估计和分阶段语义布局优化，从单张图像构建可编辑 3D 场景

    Deep ReadingPaper Reading3D Scene Modeling +4

  4. Qwen3-VL-Seg 论文精读：开放世界指代分割、Box-Guided Decoder 与 SA1B-ORS

    精读 Qwen3-VL-Seg 如何将 Qwen3-VL 的开放世界框定位先验转成像素级掩码，并通过轻量解码器、SA1B-ORS 和 ORS-Bench 扩展开放世界指代分割

    Deep ReadingPaper ReadingComputer Vision +4

  5. TripoSG 论文精读：大规模 Rectified Flow、SDF VAE 与高保真 3D 形状生成

    精读 TripoSG 如何通过 Rectified Flow Transformer、CLIP+DINOv2 条件注入、SDF/normal/eikonal 混合监督和 2M 高质量数据构建实现高保真 image-to-3D 形状生成

    Deep ReadingPaper Reading3D Generation +4

  6. TRELLIS.2 论文精读：O-Voxel、Sparse Compression VAE 与 4B 参数 3D 生成模型

    精读 Native and Compact Structured Latents for 3D Generation 如何通过 O-Voxel、稀疏压缩 VAE、PBR 材质建模与大规模 flow matching 实现高质量 3D 资产生成

    Deep ReadingPaper Reading3D Generation +4
2026.06

  1. Layout2Scene 论文精读：3D 语义布局引导、混合场景表示与几何/外观扩散先验

    精读 Layout2Scene 如何通过 3D semantic layout、对象 Gaussian、背景 polygon、语义几何扩散和语义几何外观扩散实现可控 3D 场景生成

    Deep ReadingPaper Reading3D Scene Generation +4

  2. Blended-NeRF 论文精读：现有 NeRF 场景中的零样本对象生成、ROI 编辑与体渲染融合

    精读 Blended-NeRF 如何通过 3D ROI、CLIP 引导、双 NeRF 场融合、距离平滑和官方代码实现现有神经辐射场中的对象插入、替换与材质编辑

    Deep ReadingPaper ReadingNeRF +5

  3. CompoNeRF 论文精读：文本引导多物体组合 NeRF、可编辑 3D 布局与场景重组

    精读 CompoNeRF 如何通过局部/全局文本引导、密度组合、可编辑 3D box layout 与 NeRF 分解重组生成多物体 3D 场景

    Deep ReadingPaper ReadingText-to-3D +4