前言 本文已经是今年的第31篇大模型相关的技术文章了，如果说 半年之前写博客，更多是出于个人兴趣 读者需要那自我司于23年Q3组建LLM项目团队之后，写博客就成了：个人兴趣 读者需要 项目需要 如此兼备三者，实在是写…

MTP，全称是 Media Transfer Protocol（媒体传输协议），它是微软的一个为计算机和便携式设备之间传输图像、音乐等所定制的协议。MTP 的应用分两种角色，一个是作为 Initiator ，另一个作为 Responder 。基于And…

文章目录 开发平台基本信息问题描述解决方法1. 如何计算userdata分区大小2. 兼容不同规格的emmc3.MTP模式显示异常开发平台基本信息 芯片: SDM450 版本: Android 9.0 kernel: msm-4.9 问题描述 一款设备，经常会出现搭配不同内存的情况，比如2+16跟4+64，是智能硬件比较经常…

Platform: RK3399 OS: Android 7.1 Kernel: v4.4.83 现象： 插拔USB打印机，会提示 MTP主机已停止运行 异常Log: logcat部分：05-10 14:10:19.125 459 611 I ActivityManager: Start proc 1338:com.android.mtp/u0a5 for broadcast com.android.mtp/.UsbIntentReceiver 0…

Moving Indoor: Unsupervised Video Depth Learning in Challenging Environments 每天一篇论文汇总list 摘要 近年来，无监督的视频深度学习取得了显著的进展，其结果与KITTI等户外场景中的全监督方法相比，但在室内环境中直接应用这一技术&…

怎么都不会想到今年的2018总结居然是写在了一个技术社区，想当初我可是文艺女青年啊，哈哈！Segmentfault 是我接触到的第一个技术社区，也是我想要在这里深耕细作的地方。 2018年的8月，经朋友推荐初识 Nervos，…

面向具有挑战性的NLP应用的可扩展和可靠的胶囊网络 Abstract1 Introduction2 NLP-Capsule Framework2.1 Convolutional Layer2.2 Primary Capsule LayerCapsule Compression 2.3 Aggregation LayerOur Routing 2.4 Representation LayerPartial Routing 3 Experiments4 Related…

题目链接：https://codeforces.com/contest/1537/problem/C 题目大意： 有座山，每座山有一个高度，我们需要从左到右排列山的顺序，需要首先让第一座山和最后一座山的高度差最小，在此的基础上，若则总难度加1，我们需要让总难度最大。输出任意一种满足条件的山的排列情况。 …

简介 Fusion4D 算法的目的是 4D 重建，也就是说重建的场景是随时间变化的，Fusion4D 可以把变化的 3D 场景记录下来，算法记录的是每时刻场景的 3D 模型。 由于 Fusion4D 采用多相机，简单融合每一时刻多相机输出的图像也可以重建单…

谷歌等一篇名为《挑战无监督分离式表征的常见假设》的论文，表明 (没有归纳偏置的) 无监督方法学不到可靠的分离式表征 (Disentangled Representations) 。本篇是ICML2019的两篇best paper之一。 Abstract 分离式表征的无监督学习背后的关键思想是，真实世…

VII. INTER-VEHICLE DISTANCE ESTIMATION 在检测到车辆之后，下一步是通过估计到ROI的距离来标记已识别的ROI。仅使用单眼视觉不可能直接从道路场景获得深度和距离信息。但是，在将摄像机图像重新映射到2D变换域后，我们可以基于新的2D变换图像…

仅浅读了论文，若有理解不对，还望指出。 方法 输入：3D pose 序列 第一步：正则化，从原始的系统W坐标系转换为新系统坐标系H。该变换会更换视角，但保持节点之间的相对位置不变性。如下图，从原本的…

这篇论文是ICML2019两篇best paper之一，针对无监督解耦进行了分析，从理论上证明无监督解耦是不可能的，虽然知乎上存在一些对这篇论文的负面评论，但个人感觉还是对解耦这个概念理解不一致造成的，单从这篇论文中对解耦的理解，我觉得这篇文章的工作是很有意义的。下面内容仅…

Super Odometry: IMU-centric LiDAR-Visual-Inertial Estimator for Challenging Environments 摘要I. 介绍II. 相关工作A. 松耦合激光-视觉-惯性里程计B. 紧耦合激光-视觉-惯性里程计C. 方法要点 III.系统概述IV. 方法论A. IMU里程计因子1) IMU预积分因子:2) IMU里程计优化: B…

题目：https://codeforces.com/problemset/problem/1537/C 题目大意： 有座山，每座山有一个高度，我们需要从左到右排列山的顺序，需要首先让第一座山和最后一座山的高度差最小，在此的基础上，若 则…

作者：凯 单位：燕山大学 code:https://github.com/thunlp/fewrel paper:https://www.aclweb.org/anthology/D19-1649.pdf FewRel 2.0: Towards More Challenging Few-Shot Relation Classification 问题介绍FewRel 2.0BERT-PAIR模型问题 小样本关系分类有两个挑战： 只有少量…

文章目录 前言Introduction总结附 论文地址：https://arxiv.org/pdf/2007.02454v1.pdf. 代码：https://github.com/DeLightCMU/RSC 前言 卷积神经网络（CNN）通过激活与标签相关的显性特征来进行图像分类。当训练和测试数据处于类似…

CF round #762（div2）C题 Challenging Cliffs 题目 补题。 昨晚真是没想到这么做啊。。。好蠢 官方tutorial： 标程： #include "bits/stdc.h" using namespace std;int main() {int t;cin >> t;while(t--){int n;…

Super Odometry: IMU-centric LiDAR-Visual-Inertial Estimator for Challenging Environments 摘要 我们提出了超级模测量，一种高精度的多模态传感器融合框架，提供了一种简单而有效的方法来融合多个传感器，如激光雷达、相机和IMU传感器&am…

论文地址：https://arxiv.org/pdf/2308.09711.pdf 源码地址：https://github.com/md4all/md4all 概述 现有SOTA的单目估计方法在理想的环境下能得到满意的结果，而在一些极端光照与天气的情况下往往会失效。针对模型在极端条件下的表现不佳问题&…