本系列笔记是北邮鲁老师三维重建课程笔记，视频可在找到。

本节讲如何从单一视角恢复出3D的场景信息，以及能够恢复3D信息需要哪些条件。

这一阵子的一个小工作：把JDE的骨干网络换成了Swin-T，在VisDrone2019-MOT数据集上训练，的确得到了比DarkNet53作为骨干网络更好的效果：IDF1RecallPrecisionFPFNMOTAMOTPJDE(with DarkNet53 backbone)45.048.791.457776467242.40.235JDE(with Swin-T backbone)48.25

跑通代码最重要的就是路径问题, 为此我写了两个config模板, 让配置路径更简单.

零 前言觉得害得补补RNN的知识，虽然好像有人说transformer把RNN替代了。

之前跑了一下mmdetection 3.x自带的一些算法, 但是具体的代码细节总是看了就忘, 所以想做一些笔记, 方便初学者参考. 其实比较不能忍的是, 官网的文档还是空的…这次想写其中的数据流是如何运作的, 包括从读取数据集的样本与真值, 到数据增强, 再到模型的forward当中.

零 前言觉得害得补补RNN的知识，虽然好像有人说transformer把RNN替代了。

Tune-A-Video通过One-shot的方式, 也就是, 需要对每个你希望编辑的视频, 都需要训练一次. 训练过程只需要待编辑的视频, 不需要其他的, 因为相关的world knowledge是由预训练的Stable Diffusion提供的.既然是视频生成, 那就必须要约束生成帧的时间一致性. 因此就通过重新设计注意力机制的形式让temporal之间也进行注意力计算, 从而维持一致性. 模

Lp空间在泛函分析中比较详细地讲述过（但我没有详细地学过），这里更多作一点重复。1.Lp空间定义设(X,F,μ)(X,\mathscr F,\mu)(X,F,μ)是一测度空间，定义其上绝对值p次幂可积的函数(p≥1p\ge1p≥1）的全体集合为Lp(X,F,μ)L^p(X,\mathscr F,\mu)Lp(X,F,μ)。也即LpL^pLp中的函数满足：∫X∣f∣pdμ<∞\int_X |f

上篇说到RK3588编译OpenCV, 这篇记录一下跑通YOLO v5+DeepSORT的愉(chi)快(shi)历程.