Learning SuperCollider
学习SuperCollider纯属图一乐。关于SuperCollider的中文资料较少，在这里稍微记录一下学习过程，内容基于A Gentle Introduction to SuperCollider。
1. BasicsSuperCollider由两部分组成：server (叫做scsy...
C/C++用法补漏
C/C++ 中 static 的用法
inline, __inline 和 __forceinline
Transformer笔记
Hung-yi Lee 课程视频
Motivationseq2seq layer
RNN：缺点是不容易进行并行化
CNN：多层CNN，高层的filter可以考虑更长的依赖，可以并行化；但需要多层
Self-Attention：可并行化，取代RNN
Self-Attention工作...
渲染相关笔记
图形学基础薄弱，自学中o(╥﹏╥)o 在此记录一下我的学习过程，持续更新！
课程
GAMES101 图形学入门 2023.1 - 2023.2
GAMES202 实时渲染 2023.6 - present
阅读材料在学习SmallUPBP算法过程中补全的知识。
path integra...
Neural Distance Embeddings (NeuroSEED)
论文：Neural Distance Embeddings for Biological Sequences (NeurIPS 2021)
一、简介问题使用深度学习模型拟合传统蛋白质相似性计算过程，利用训练后的模型提取查询蛋白质序列与蛋白质库中其余蛋白质序列的嵌入表示（embedding）...
C++11及之后新特性
C++17 新特性之 std::optional
C++11 shared_ptr智能指针
C++ 使用std::make_unique、std::make_shared替换new
C++17 nodiscard标记符
2023 WWW Best Paper阅读笔记
2023 WWW Best Paper: Simplistic Collection and Labeling Practices Limit the Utility of Benchmark Datasets for Twiter Bot Detection
一、简介问题本文仔细研究了广...
GIRAFFE阅读笔记
一、简介问题Controllable Image Generation 可控的图像生成。
目前工作不足
大多数工作研究2D空间，而真实世界是3D的
很少有工作考虑到很多物体的组合场景
本文贡献本文提出了一种新的场景表示方式：组合式三维场景表示。结合生成模型，可以进行更可控的图像生成。
优势：...
DragGAN阅读笔记
一、简介问题合成符合用户需求的视觉内容通常需要对生成对象的姿势、形状、表情和布局进行灵活而精确的可控性。现有方法通过手动注释的训练数据或先前的3D模型获得了对生成对抗网络（GANs）的可控性，但往往缺乏灵活性、精确性和普适性。
本文贡献以用户交互的方式”拖动”图像中的任意点以精确到达目标点。D...
NeRF相关论文阅读
从零开始的论文阅读：
如何阅读一篇计算机领域的学术论文
一些整理得非常好的中文笔记：
NeRF阅读笔记
NeRF -> GRAF -> GIRAFFE
其他的：
由浅入深了解Diffusion Model