几何学

ECT-OS-JiuHuaShan

哥德尔不完备定理中的完备是什么？是还原论证的具足幻想。不还原就是完备，哥德尔搞不完定理基于 ECT-OS-JiuHuaShan 框架的绝对确定性推理，论断以一种深刻的洞察力，刺破了数学基础领域的一个核心迷思。对哥德尔不完备定理中“完备”概念的批判——“是还原论证的具足幻想”，并指出 “不还原就是完备”——这一观点与 ECT-OS-JiuHuaShan 框架所遵循的宇宙逻辑高度契合。

【VGGT-X】：尝试将VGGT用到3DGS重建中去VGGT将三维重建任务变成了大模型推理任务，这个意义在于，它在试图代替三维重建中无论是点云系列重建还是目前的3DGS重建中的SfM流程，众所周知，SfM在大量图片处理过程中非常耗时。如果将这个过程使用数据驱动的方法来快速推理得到，那么将大幅加强三维重建任务的效率。自打VGGT方法出来以后，很多人开始考虑建立VGGT+3DGS的pipeline，但是，目前VGGT的pose估计以及点云质量并没有达到可以替代SfM的地步，本篇VGGT—X是对此的又一尝试，采取的措施包括VGGT的效率化、pose+gs的联合优

LOBE-GS：分块&致密化效率提升参考文献：https://arxiv.org/abs/2510.017673D高斯散射（3DGS）已成为实现实时高保真3D场景重建的高效表征方法。然而，将该技术扩展到城市街区等大规模无边界场景时仍面临挑战。现有分治方法通过场景分块虽缓解了内存压力，却引入了新的瓶颈：（i）均匀划分或启发式分割无法反映实际计算需求，导致分区负载严重失衡；（ii）粗-精处理流水线未能有效利用粗阶段成果，往往需要重新加载完整模型并产生高昂开销。

NeRF+3DGS——提升渲染质量与压缩模型参数项目主页：https://wzpscott.github.io/hyrf/本篇是港大新出的关于3DGS渲染质量与压缩的文章，借鉴了神经辐射场的思想，将高斯球的属性放到神经网络中来预测，以往也有类似用神经网络预测高斯属性的工作，但是实际出现的问题在于单个神经网络不能很好的预测出高斯属性（文章的分析是：GS这一套参数中，几何属性与颜色属性相关性不强），因此使用了解耦的两个神经网络来预测高斯属性，特别对于颜色（和渲染的方向有关系），把相机的方向做了和nerf一样的位置编码，这样，每个高斯球颜色属性就不需要原先的

cesium-kit：让 Cesium 开发像写 UI 组件一样简单在三维地球开发领域，Cesium 几乎是绕不开的名字。它功能强大，但用过的同学应该知道，Cesium 的 API 表面虽然清晰，实际在二次开发时会遇到不少痛点：

起个名字费劲死了

手眼标定之已知同名点对，求解转换RT，备份记录机器人手眼标定，往往需要获取相机和机器人末端工具和相机坐标系的转换关系，此处只介绍一种眼在手外，3D相机的解算方法

论区间dp:常用模型（附极角排序教程）区间dp很简单，重要的是判断在什么样的题里用区间 d p dp dp 本文适合对区间 d p dp dp有初步了解的人阅读本文有三道例题 1.P1220 关路灯 2.青蛙的烦恼 3.行政划分

UGUI源码剖析（3）：布局的“原子”——RectTransform的核心数据模型与几何学在前几章中，我们了解了UGUI的组件规范和更新调度机制。现在，我们将深入到这个系统的“几何学”核心，去剖析那个我们每天都在Inspector中调整、但可能从未真正理解其底层原理的组件——RectTransform。

【论文笔记】OccluGaussian解决大场景重建中的区域遮挡问题大场景重建中的一个创新性工程方法，相比之前的vasrgaussian、citygaussian，OccluGaussian主要对于场景区块划分、模型渲染做了非常灵活的改进，对于分块流程引用了图卷积谱聚类方法避免了因为图像中的遮挡导致区块训练失配，训练视角对整体贡献低的问题，在渲染过程中，相比于之前的渲染所有高斯球或者Lod方法，通过利用分块结果对高斯球加mask的技巧，提高了fps。感谢作者的great work！

可数集与不可数集如同正整数的截是有限集的样本那样，所有正整数的集合\(\mathbb{Z}_+\)就是可数无限集的样板。本节将研究这种集合，还要构造一些既不是有限集也不是可数无限集的集合。这种研究将引导我们去讨论“归纳定义”过程的含义。

【论文笔记】BlockGaussian：巧妙解决大规模场景重建中的伪影问题论文地址：https://arxiv.org/pdf/2504.09048大规模场景的重建方法不仅仅对于高空航拍数据有效，而且对于地面大中场景也有增强效果，故专门来学习一下这一方向的知识。感谢作者大佬们的great work。

【论文笔记】AnySplat: pose-free feed-forward 3DGSmain page：https://city-super.github.io/anysplat/arxiv：https://arxiv.org/pdf/2505.23716

VisionPro_几何学工具根据提供的输入创建指定的几何形状查找工具使用工具中包括的游标卡尺的结果创建指定的形状匹配工具使用从其他工具的输入创建一个最佳匹配形状

【论文笔记】FLARE：feed-forward+pose&geometry estimate+GS浙大周晓巍大神组的又一篇新作，CVPR2025，拖延两周了才看完，中间有其他事没顾上，本文使用了一个经验性的技巧方法，局部与全局学习结合，pose学习与几何学习结合，相辅相成，在速度与质量上做到了兼顾与高效，官网有在线demo，效果不错！！！并且虽然题目是稀疏视角，但是在显存足够的前提下，可以增加图片数量！文章地址：https://arxiv.org/pdf/2502.12138 开源代码：https://github.com/ant-research/FLARE?tab=readme-ov-file

晏殊几何学讲义晏殊几何学讲义大纲晏殊的生平与成就晏殊（991年-1055年2月27日），字同叔，抚州临川（今江西省抚州市）人，北宋时期著名的文学家、政治家。

黑曼巴、。；

坐标变换及视图变换和透视变换（相机透视模型）假设旋转矩阵的4个未知数，取特殊点列方程可推导如果旋转 − θ -\theta −θ角度，那么经过推导很容易得出旋转矩阵为原来旋转 θ \theta θ角度的矩阵的转置：

【论文笔记】ZeroGS：扩展Spann3R+GS+pose估计spann3r是利用dust3r做了增量式的点云重建，这里zeroGS在前者的基础上，进行了增量式的GS重建以及进行了pose的联合优化，这是一篇dust3r与GS结合的具有启发意义的工作。

【论文笔记】Fast3R：前向并行muti-view重建方法众所周知，DUSt3R只适合做稀疏视角重建，与sapnn3r的目的类似，这篇文章以并行的方法，扩展了DUSt3R在多视图重建中的能力。

【论文笔记】MV-DUSt3R+：两秒重建一个3D场景这是一篇来自Meta的DUSt3R改进工作，baseline是DUSt3R和spann3r，有一定的提升效果，大家还可以看看我最后的实测感受

【论文笔记】TranSplat：深度refine的camera-required可泛化稀疏方法深度信息在场景重建中是非常重要的先验，有一个精确的深度估计，重建质量起码提升一半，这一篇就是围绕着transformer优化深度来展开工作，进而提升GS的效果，感谢作者大佬们的work！