李沐-动手学习深度学习-写在后面
daf9e1003c8b639b6138b233a83323399fc60797af84e9e02eb70b164d8b8f5cfd09b93f559d8ef885bc0a227eb79e80da64bf794bd8a00d346d5a297b0718fffcbb518b65599495a2f8a9054280a6676b40678af54b7a8c47ab889eb020fdaa00113359645f2ddcdbd34fb6d7baefa214b5b3351f0c9545ebfd6ff1affb56680b7e812eacb4fc0bfb3f794ad68ff3897172baeabc72a2d48f343451d52b9ee6e7100fe1dfaef7acae71074ea14587268f854a0eebf6d2a1490e3853cd12ae7a685417cd95a6636f4409d0312efbf23c53df7217e1b63bc910b3fbe722366823290f3fa7623208dec421264c2c8c7e4e4bd6af7187d35cb02 ...
李航-机器学习方法-写在阅读后
老师在书中写的三要素:模型\策略\方法这个总结的太棒了
重构与模式
TODO
设计模式：可复用面向对象软件的基础-GoF
设计模式的分类
书中将 23 种设计模式分为三大类：
1. 创建型（Creational Patterns）
关注对象的创建方式，解决“如何合理地创建对象”的问题。
单例模式（Singleton）：保证一个类只有一个实例，并提供全局访问点。
工厂方法（Factory Method）与抽象工厂（Abstract Factory）：将对象的创建过程与使用解耦。
建造者（Builder）：分步骤构造复杂对象。
原型（Prototype）：通过拷贝已有实例来创建新对象。
这些模式核心在于提高灵活性，避免直接依赖具体类。
2. 结构型（Structural Patterns）
强调如何将类或对象组合成更大的结构，以获得更高的扩展性和复用性。
适配器（Adapter）：解决接口不兼容的问题。
装饰器（Decorator）：在不修改原类的情况下动态扩展功能。
代理（Proxy）：在对象访问前后增加额外的控制逻辑。
组合（Composite）：用树形结构表示整体与部分的层次关系。
外观（Facade）：为复杂系统提供统一接口。
享元（Flyweight）：共享对象以节省内存。
这些模式更注重“ ...
深蓝学院-点云深度学习-弃坑
这个是黎博士在深蓝学院开授的课程，他是清华大学本科，新加坡国立大学的博士，现在是高仙机器人的总监.因为是第一门点云相关的深度学习课程，当时看到了比较惊喜.但是听了前面几节课程，感觉和自己想要的有点出入(不是说讲的不好，知识内容不是我想要的)，等后续再看看
TUM-多视图几何-写在完成后
因为疫情防控，过年又没有回家，留在杭州。为了巩固下关于三维重建相关的基础知识，利用这个假期学完了TUM这门多视图几何的课程，对应的教材也叫多视图几何，都是十年前的老课和老书了(看来三维视觉的基础领域没咋推进啊 或者说已经到瓶颈了？)。
这个老师已经成为了计算机视觉业内大佬，种一棵树最好的时间就是十年前，然后就是现在(话说这老师真是文质彬彬，第一次感觉到了温文儒雅的实际模样https://www.youtube.com/watch?v=jYgxnnu4oTc&list=PLTBdjV_4f-EJn6udZ34tht9EVIW7lbeo4
主要是这个英文课程，没有中文一天看两个小时就已经非常累了，讲的也确实特别好，等我完全消化了再回来补一补体会
TUM-多视图几何-变分方法
探讨了多视角几何中的变分方法，特别是如何应用这些方法进行三维重建。教授首先介绍了几何形状的显式和隐式表示方法，深入探讨了如何通过光度一致性优化几何形状，并结合轮廓一致性的方法来克服传统最小表面方法的局限性。最后展示了如何利用相机捕捉动态场景的几何和颜色信息，强调了图像重建技术在艺术、体育分析以及虚拟现实中的潜在应用。
1. 多视角重建的变分方法与几何表示
1.1 显式几何表示法
多视角重建的变分方法涉及通过优化几何形状以使其与图像保持一致。显式几何表示法，如样条函数，广泛应用于汽车表面建模中。样条曲线和样条曲面通过控制点和基函数定义形状，这种方法自20世纪50年代和60年代以来推动了设计领域的创新。
显式几何表示的特点包括：
样条曲线和曲面生成：通过控制点和参数化函数在二维或三维空间中定义复杂形状。这种技术在计算机图形学和计算机视觉中具有广泛应用。
应用领域：用于定义和优化汽车表面、建筑设计、动画制作等领域的复杂几何形状。
1.2 隐式几何表示法
隐式几何表示法通过指示函数（Indicator Function）来区分形状的内部和外部，这种方法具有处理不同拓扑结构对象的能力，使得重 ...
TUM-多视图几何-稀疏与密集重建技术
讨论了多视图几何中的稀疏与密集重建技术。传统方法主要依赖点对应关系来重建三维结构，但仅依赖少量点并不足够。在稀疏特征点方法下，已实现了实时重建，这些技术广泛应用于增强现实、医疗手术等领域。随着处理技术的进步，密集重建也逐渐成为现实。变分方法作为一种强大的计算范式，不仅用于图像去噪、分割和运动估计等任务，还可以通过欧拉-拉格朗日方程进一步优化图像处理结果。
稀疏特征点与密集重建
1. 稀疏特征点方法
在多视图几何学中，重建问题主要涉及从稀疏特征点中估计三维结构及相机运动。尽管传统方法依赖于通过三维点插值构建三维模型，但这种方法在点间缺乏足够信息时可能导致模型不准确。
挑战：从稀疏点推断连续世界的几何形状。通常，这通过将三维点连接成三角网格来实现，但信息不足时可能不够精确。
应用：实时计算在许多应用中至关重要，如计算机辅助外科手术中，医生需要实时叠加三维模型，以获取关键解剖结构的位置。
2. 密集重建技术
随着图形处理技术的发展，密集重建已成为可能。相比稀疏重建，密集重建能够在整个图像平面上进行几何重建，从而大幅提高了计算机视觉的应用潜力。
优势：密集重建不仅能处理稀疏特征点，还能重 ...
TUM-多视图几何-直接法
探讨了多视图几何中的直接方法，尤其是在同时定位与地图构建（SLAM）中的应用。直接方法通过避免特征提取和匹配，直接从图像数据中重建几何形状和相机运动。由于其较高的效率和准确性，这些方法在密集几何重建和动态场景中的相机跟踪方面表现出色。此外，还介绍了如何通过循环闭合技术确保全局一致性，以提高大规模重建的精度和效率。
1. 直接方法在SLAM中的应用
优势与挑战
直接方法相较于传统的SLAM技术具有显著的优势。这些方法通过直接从图像中获取三维几何信息，避免了特征提取和匹配的中间步骤，从而提升了重建的速度和准确性。中还提到半稠密重建方法，指出在亮度恒定区域提取三维信息的难度。这种情况虽然在自然场景中不常见，但在人工环境中，例如白色墙壁处理时会成为挑战。
颜色一致性在重建中的作用
在直接方法中，图像的颜色信息尤为重要，特别是在进行三维重建时，颜色一致性有助于找到图像之间的对应关系。这种策略在静态场景中效果显著，并且可以实现实时处理。
2. 基于图像颜色信息的深度图计算
深度图的计算方法
利用图像的颜色信息直接计算深度图是一种有效的几何重建方法。该方法通过参数化相机运动和深度估计来提高几何重 ...