t-SNE的目标是帮助我们在一个更低维度的空间中（通常是2D或3D）对数据进行可视化，同时保留数据点之间的相似性关系。t-SNE的目标是最小化这两个概率分布之间的差异，以确保高维空间中相似的点在低维空间中仍然保持相似。然后，在低维空间中，它再计算点与点之间的相似性，并构建另一个概率分布。t-SNE的核心思想是保持高维空间中数据点之间的相似性关系，尽量在低维空间中保持相似的关系。简而言之，t-SNE

地址：https://cbovar.github.io/ConvNetDraw/

摘要： 浙江大学团队提出InfiniDepth，首次将神经隐式场引入单目深度估计，实现任意分辨率连续深度预测。通过多尺度局部隐式解码器（15M参数）和DINOv3 ViT-Large特征金字塔，该方法在合成数据集Synth4K上高频细节区域超越DepthAnythingV2等SOTA模型5-8个百分点。创新性InfiniteDepthQuery策略自适应分配子像素查询预算，显著改善大视角下的新视角

摘要： 本文提出DAGE，一种双流Transformer架构，用于高效、精细的几何估计。该模型通过低分辨率流处理全局一致性与相机姿态估计，采用交替注意力机制降低计算成本；高分辨率流则保留原始分辨率细节。轻量级适配器融合双流特征，实现全局一致且细节丰富的几何输出。实验表明，DAGE在3D重建、深度估计和相机姿态预测任务中达到SOTA性能，支持2K分辨率和长序列处理（最高1000帧），运行速度显著优于

摘要： 哈尔滨工业大学、清华大学等团队提出DreamPRVR模型，解决长视频检索中的"局部尖峰"问题。该模型通过扩散模型想象全局背景，生成语义寄存器，增强局部特征匹配的准确性。采用文本扰动采样和异步注意力机制，显著提升三大数据集（ActivityNet Captions等）的检索性能，同时保持高效推理。代码已开源，为多模态检索提供了新思路。

NVIDIA推出Fast-FoundationStereo模型，在保持立体匹配大模型强大零样本泛化能力的同时，通过特征蒸馏、分块架构搜索和结构化剪枝等创新技术，将推理速度提升10倍以上，实现实时运行（47FPS）。该模型在多个基准测试中表现优异，既能媲美顶级泛化模型的精度，又具备实时处理能力，为自动驾驶等实时应用提供了高效解决方案。研究采用了知识蒸馏、互联网级真实数据伪标签等技术，有效解决了合成数

机器学习中最常见的方法是监督学习。在监督学习中，我们得到一组标记数据（X，Y），即（特征，标签），我们的任务是学习它们之间的关系。但是这种方法并不总是易于处理，因为训练通常需要大量数据，而标记数百万行数据既耗时又昂贵，这就对许多不同任务的训练模型造成了瓶颈。以这种方式训练的模型通常非常擅长手头的任务，但不能很好地推广到相关但是非相同领域内的任务。因为网络只专注于学习 X 的良好表示以生成之间的直接

图像增强是图像模式识别中非常重要的图像预处理过程。图像增强的目的是通过对图像中的信息进行处理，使得有利于模式识别的信息得到增强，不利于模式识别的信息被抑制，为图像的信息提取及其识别奠定良好的基础。图像增强按实现方法不同可分为点增强、空域增强和频域增强。

与传统的MLP架构截然不同，且能用更少的参数在数学、物理问题上取得更高精度。比如，200个参数的KANs，就能复现DeepMind用30万参数的MLPs发现数学定理研究。不仅准确性更高，并且还发现了新的公式。要知道后者可是登上Nature封面的研究啊~在函数拟合、偏微分方程求解，甚至处理凝聚态物理方面的任务都比MLP效果要好。而在大模型问题的解决上，KAN天然就能规避掉灾难性遗忘问题，并且注入人类

计算机视觉主要问题有图像分类、目标检测和图像分割等。针对图像分类任务，提升准确率的方法路线有两条，一个是模型的修改，另一个是各种数据处理和训练的技巧(tricks图像分类中的各种技巧对于目标检测、图像分割等任务也有很好的作用，因此值得好好总结。本文在精读论文的基础上，总结了图像分类任务的各种tricks如下：WarmupCutoutAdaBoud其他经典的tricks。