**Metric3D v2**是一款面向单目图像的**零样本度量深度与表面法向量联合估计**的几何基础模型，其核心突破在于针对度量深度的**相机内参歧义**和表面法向量的**标注稀缺**两大痛点，提出了**规范相机空间变换模块（CSTM）\**和\**联合深度 - 法向量优化模块**。模型基于**16 个数据集的超 1600 万张图像**（覆盖上万种相机模型）完成训练，不仅在**16 + 深度与法

为解决**开放集识别（OSR）** 中需同时降低已知数据经验分类风险与未知数据开放空间风险的核心挑战，本文提出**互反点（Reciprocal Point）概念以建模每类已知样本对应的类外空间，并构建**对抗性互反点学习（ARPL）** 框架：通过互反点与已知类的对抗提升已知类分类精度，引入对抗性边际约束（AMC） 限制开放空间以降低开放空间风险；为进一步估计未知分布，设计实例化对抗增强机制生成混

本文探讨了开集识别（OSR）任务，提出了一种通过提升闭集分类器性能来增强OSR能力的方法。研究发现，闭集分类器的准确性与开放集性能高度相关，表明更好的闭集分类器能够更可靠地区分已知和未知类别。作者通过改进闭集训练策略，如更长的训练时间、更好的数据增强、标签平滑和余弦学习率调度，提升闭集分类器的准确性，并将开放集检测的评分规则从最大软max概率改为最大对数几率（MLS），以利用未归一化的原始输出信息

AI Agent（Artificial Intelligence Agent） 称为智能体，本质是自动执行任务的程序，核心在于让模型不只回答问题，而是按步骤完成动作*。一个能够感知环境、进行决策并执行行动，以达成特定目标的智能软件实体，它不仅仅是回答问题的聊天机器人，更是能够动手做事的智能执行者。**Agent = LLM (大脑) + Planning (规划) + Tool use (执行)

AI Agent（Artificial Intelligence Agent） 称为智能体，本质是自动执行任务的程序，核心在于让模型不只回答问题，而是按步骤完成动作*。一个能够感知环境、进行决策并执行行动，以达成特定目标的智能软件实体，它不仅仅是回答问题的聊天机器人，更是能够动手做事的智能执行者。**Agent = LLM (大脑) + Planning (规划) + Tool use (执行)

之前的方法如 Retinex 理论、多曝光校正模型（如 MSEC、LCDPNet）以及基于物理特性的特征分离（如频率、对比度等）。而本文的方法可能结合了 Slot Attention 机制，这属于深度学习中的注意力机制，特别是对象中心学习（OCL）的概念。提出了 Slot-in-Slot Attention 结构，这是对标准 Slot Attention 的扩展，**采用层次化结构逐步聚类特征，同

我们提出了一种称为SAMI的利用SAM的掩蔽图像预训练框架，该框架训练模型以从SAM ViT-H图像编码器重建特征。结果表明，这可以显著提高图像掩蔽预训练方法的性能。我们证明了SAMI预训练的主干可以很好地推广到许多任务，包括图像分类、对象检测和语义分割。我们提供EfficientSAMs，轻量级SAM模型，具有最先进的质量-效率权衡（下图），这是对实际部署SAM的补充。将发布代码和模型，以使一系

但是作者采用了一种更加优雅的实现方式，其采用了一种可以直接插入当前anchor-base网络中进行anchor动态调整的做法，而不是替换掉原始网络结构，属于锦上添花，从此anchor-base就变成了anchor-base混合anchor-free了(取长补短)，这就是一个不错的进步。在选择难负样本时，需要遵循一定的原则。只看图示就很好理解了，对于任何一个类别的样本，本质上是希望学习的概率为1，当

目标检测算法比较复杂，细节比较多，难以复现，而openmmlab推出的 MMDetection 开源框架则希望解决上述问题。目前 MMdetection 已经复现了大部分主流和前沿模型,在学术研究和工业落地中应用非常广泛。还支持非常灵活简便的扩展模式，在熟悉本框架和阅读相关说明文档后可以轻松构建不同模型，而本系列教程的目的是进一步降低大家使用和扩展框架难度，力争将 MMDetection 打造为易

多层感知机，线性回归和softmax回归在内的单层神经网络。然而深度学习主要关注多层模型。在本节中，我们将以多层感知机（multilayer perceptron，MLP）为例，介绍多层神经网络的概念。隐藏层X∈Rn×dHH∈Rn×hWh​∈Rd×hbh​∈R1×hWo​∈Rh×qbo​∈R1×qO∈Rn×qHO​XWh​bh​HWo​bo​​OXWh​bh​Wo​。