期望是对随机变量在分布下的"加权平均"。在连续随机变量里：概率不是“点的值”，而是“密度函数”，所以期望会变成积分形式：求平均 = 所有可能值 × 它出现的概率密度：连续情形下，期望本质上就是一个积分。p(x)是权重（概率密度），f(x)是被加权的函数。等价于因为想要的p(z∣x)很难算，所以用q(z∣x)来近似它。

人体动作天然是连续的——每一帧都是几十个关节的角度值构成的浮点向量。VQVAE 要做的，就是把这种"无限精度的连续信号"压缩成一串"有限词表里的整数索引"，就像把音乐压缩成 MP3 编码一样。训练前预定义一个大小为K的码本，里面有 K可学习的向量（码字）【只是预定义了码本的大小，这 K个向量的初始值通常是随机初始化，“可学习”发生在VQVAE 的训练过程中】，例如 K=512。每个码字代表一种"动

渐进蒸馏的本质是"接力压缩"：每轮用局部轨迹对齐的方式训练学生抄教师的近路，步数指数级减少，最终实现极少步数的高质量生成。Consistency Model 通过强制同一条去噪轨迹上所有点都映射到同一个原图，学会了"从任意噪声程度一步直达原图"的能力，同时保留了多步精炼的灵活性。原始模型（冻结） ControlNet 分支（可训练）↓ ↓保留生成能力 学习理解条件输入↓ ↓↓受控的生成结果零卷积初

扩散模型属于「生成模型」的一种，通过学习给定的训练样本，生成模型可以学会如何数据，比如生成图片或者声音。一个好的生成模型能生成一组的输出。这些输出会与训练数据相似，但不是一模一样的副本。

人在对话时，手势不只是"在空中比划"，而是会和环境中的物体产生真实的交互。对于想深入这个领域的研究者，核心的后续问题包括：更丰富的意图类型、实时生成、多人交互、跨平台迁移、生成结果的局部可控性等。Track-I（6009条）远多于Track-II（1114条），直接均匀采样会让模型忽视交互时机的学习。衡量交互时间段的重叠率，只在Track-II中使用（因为只有Track-II有精确的时间段标注）。

1.连接mysql时候phpmyAdmin不能用2.Uncaught Error: Class 'mysqli' not found in...3.html post跳转到PHP页面报4044.php查询mysql乱码显示？