NeRF的核心优化手段： 端到端可微渲染（紧致-高效的三维视觉信息表达）从更本质的角度建立了二维图像与三维世界的联系

LInux切换到`root用户`再进行conda安装，可能之前conda某些包使用在root 用户下进行安装

中文英文模型，GPT-4性能是当着无愧的王者，但无法使用。`中文评测平台`榜单比较混乱，看个人使用习惯。

虚拟换衣相关

Kolors=(SDXL Unet + chatGLM3 + CogVLM + 数十亿图像预训练+数百万高质量图片）Kolors，这是一种基于`SDXL`的 U-Net 架构的潜在扩散模型（latent diffusion model），通过中英文模型`chatGLM3` （General Language Model, GLM）和由**多模态** **`CogVLM`** 生成的细粒度文本标题。

多模态数据集制作

基于指令（Instruction-based）的图像编辑通过自然命令提高了图像操作的可控性和灵活性，而无需详细描述或区域掩模。然而，人类的指令有时过于简短，目前的方法无法捕捉和遵循。多模态大语言模型MLLMs))在跨模态理解和视觉感知响应生成方面显示出很好的能力。我们研究了mllm如何促进编辑指令和呈现mllm引导的图像编辑(MGIE)。MGIE学习推导表达指令并提供明确的指导。编辑模型共同捕获这

使用命令行前，请确保已经通过pip install modelscope 安装ModelScope。

一张图微调qwen-vl

百度、清华的代码助手安装与使用