首先需要确定当前外参是w2c还是c2w，一般数据集中提供的都是w2c矩阵，因为这个矩阵是用于将世界坐标系的网格投影到相机坐标系中。确定好了是w2c之后，由于opencv和opengl的y轴和z轴的方向是相反的，因此只需要将对应坐标轴反过来即可。

DECA(Detailed Expression Capture and Animation)目标在弱监督的情况下训练一个从单张2D图片到3D人脸转换的模型。并且3D人脸可以生成真实的动画。动机基本就是为了提升FLAME的效果。基础的FLAME模型会受限于网格密度而丢失一些面部细节，例如皱纹。而DECA就是为了在这方面提升。主要思想同一个人在不同表情下，面部细节是有区别的（例如皱纹），但是与此同时

本文做的是基于单图的无监督3D物体重建。文中模型不需要配对的2D图像与3D扫描结果，不需要landmark，不需要多视角图像，也不需要参数化模型，更不需要手工定义的模板，完全从零开始重建一个3D物体。只有一个约束，就是输入的所有图片需要是同一类物体（比如全是车，全是鸟，或者全是马等等）。本文主要的思想是将同一类物体通过语义分割建立联系，通过3D模板（初始模板就是一个球）与语义分割模型相互之间的促进

本文的亮点在于引入了3D模型，将2D图像转换为UV map，从而获得输入脸和参考脸之间的对应性。另外，还额外设计了一套模型用于学习装饰性妆容（区别于修饰性妆容）如上图所示，原始脸和参考脸都会用PRNet（一个3D重建模型）来提取UV纹理图。原始脸还会提取一个UV位置图，用于从UV纹理图到原始2D图的重构。文中将妆容分成了两类：颜色转移即修饰性妆容，就是一般人们会画的妆容，用于修饰面部细节。具体的方

目前 3D 学习中，物体或场景的表示包括显式表示与隐式表示两种，主流的显式表示包括基于 voxel、基于 point cloud、和基于 polygon mesh 三种，隐式表示包括基于 Occupancy Function [1]、和基于 Signed Distance Functions [2] 两种。下表简要总结了各种表示方法的原理及其相应优缺点。1.1 Voxel表示图像：表示原理：体素用

本文提出了一种基于3D高斯体进行场景重建的方案，并提供了高效的渲染器实现。其重建精度，训练速度和推理速度均超越之前的SOTA方案。整体的思路就是先使用传统方案（COLMAP）将多视角图像对齐，并提取稀疏点云。然后以这些点为基础构建高斯体，在训练中动态的增减高斯体的数量和半径。之后对高斯体进行渲染，获得最终的重建结果。

之前有写过attention和transformer的理解，但是对于self attention中的qkv一直理解的不够透彻，直到今天看了李宏毅的视频才理解，所以记录一下。所谓QKV也就是Q(Query)，K(Key)，V(Value)首先回顾一下self-attention做的是什么：所谓自注意力，也就是说我们有一个序列X，然后我们想要算出X对X自己的注意力，也即X中的每个时间点与其余时...