本文详细记录了 CVPR 2023 论文《CDDFuse: Correlation-Driven Dual-Branch Feature Decomposition for Multi-Modality Image Fusion》的代码复现过程。从环境配置（Ubuntu 20.04 + PyTorch 1.10 + CUDA 11.1）到模型训练与测试，总结了多种典型报错及其解决方案。

本文深入解析了Mamba论文的核心创新与写作脉络。从模型结构出发，系统梳理了Mamba的关键技术突破：选择性状态空间（S6） 与硬件感知算法（核融合、并行扫描、重计算），以线性复杂度达成媲美Transformer的性能。笔记还拆解了论文的写作框架——从问题驱动、直觉引导（合成任务论证）到全面实验验证，赞其严谨性与技术深度。此外，也整理了相关术语，拓展了MLP知识，分享了自己的学习感受与方法（AI工

本文记录了作者在学习“连续超分辨率隐式扩散模型”这篇论文时的思考过程与笔记，同时总结了作者在使用 DeepSeek 方面的经验、技巧与心得。