Doraemonblog

第一章 计算机系统概述 第二章 数据信息的表示 第三章 运算方法与运算器 第四章 存储系统 第五章 指令系统 第六章 中央处理器 关键点回顾

1.DCGAN TutorialDCGAN（Deep Convolution Generative Adversarial Networks）是深度卷积生成对抗网络，由 Alec Radfor 等人于2015年提出的一种模型。该模型在 Original GAN 的理论基础上，将 CNN 和 GAN 相结合以实现对图像的处理，提出了一系列对网络结构的限制以提高网络的稳定性。 项目地址Pytorch官网教程 1.1 核心算法DCGAN的核心在于对生成器（Generator） 和判别器（Discriminator） 的卷积结构设计 生成器（G） 输入为噪声向量 z ，通过一系列转置卷积层逐步上采样，每一层后应用批归一化和 ReLU激活函数（最后一层除外），最终层使用 Tanh激活函数 生成与目标图像尺寸匹配的输出。 判别器（D） 输入为真实图像或生成器生成的假图像，输入图像通过一系列卷积层逐步下采样，每一层后应用批归一化和...

1.《Vista: A Generalizable Driving World Model with High Fidelity and Versatile Controllability》1.1...

...

复习笔记 复习题

1.《WORLDMEM: Long-term Consistent World Simulation with Memory》1.1 概述世界模拟通过建模虚拟环境并预测动作的后果，在自主导航、游戏引擎替代等领域具有广泛应用。 现有方法受限于有限的时序上下文窗口，难以维持长期一致性，导致场景重建时出现视角或时间跨度较大的不一致问题。 这篇论文提出了WorldMem框架，旨在解决现有世界模拟方法在3D空间长期一致性上的不足。 1.2 核心框架 WorldMEM包含一个集成了记忆块的条件扩散变换器（Conditional Diffusion Transformer, CDiT），并有一个专用的记忆库（Memory bank），用于存储先前生成内容的记忆单元。通过从记忆库中检索这些记忆单元，并结合记忆块中的信息来指导生成，确保了世界模拟的长期一致性。 首先初始化一个Memory...