本篇算法仓位：RANSAC 1. 特征匹配中的几何约束 上一篇我们梳理了 SIFT 的多种变体与改进方向，现在再回到拼接管线本身： 之前我们利用 SIFT 完成了特征匹配，拿到了初步的匹配点对，但即使经过比率测试，结果中仍然存在误匹配。原因是： 比率测试只关心描述子空间的"数值接近性"，不关心两张图 ...

前两篇完整展开了 SIFT 的算法逻辑，本篇关于其后续变体和这类特征检测和匹配算法的发展，更类似于综述一些，之后再完整展开部分现代算法。 1. SIFT 的局限和改进路线 在前两篇的内容里我们已经知道：从 DoG 尺度空间开始，到关键点检测、亚像素定位、方向分配，再到 128 维描述子的构建和最终匹 ...

本篇代码仓位：SIFT 1. 特征描述 在上一篇中，我们完成了 SIFT 特征点检测的全部流程,得到了一批位置精确、尺度明确、对比度足够且非边缘的稳定特征点，每个特征点携带的信息是： \[(x,\ y,\ \sigma) \]现在便正式来到下一部分： 拿到了这些关键点后，怎么在另一张图像中找到它？也 ...

本篇内容关于SIFT 特征点检测，由于内容较多，本篇只包含 SIFT 的检测逻辑，特征匹配逻辑和代码会放在下一篇。 1. 从 Harris 到 SIFT 在上一篇中，我们详细介绍了 Harris 角点探测，其首次系统性地用结构张量来描述局部特征。 但其终究只是一个“原始基座”，一个很明显的问题是： ...

很多人入门深度学习，第一步就是复制 GitHub 上的 MNIST 代码，跑通，看到 99% 的准确率，然后就以为自己会 CNN 了。 我也一样。直到我开始问自己一些“较真”的问题，才发现：代码能跑 ≠ 我真的懂​ 这篇教程，记录我从调包、解剖、设计，再到踩完迁移学习坑的全过程。没有玄学，只有一步一 ...

上一篇我们把现代大模型的五个核心模块拼回了 LLaMA 这个完整案例中，可以看到注意力机制仍然是计算最密集的部分。 而这个密集程度在序列变长时，会变得越来越恐怖： 标准自注意力的计算复杂度和空间复杂度都是 \(O(n^2)\)：序列长度翻倍，计算量翻四倍，内存占用也翻四倍。 而在之前，我们用 KV ...

上一篇我们介绍了 GQA，通过分组共享 KV Head，在注意力质量和推理效率之间找到了实际的平衡点。 至此，从第 25 篇到第 29 篇，我们分别拆解了现代大模型的五个核心设计模块： RoPE：旋转位置编码，让 QK 点积天然感知相对位置。 RMSNorm：去掉均值中心化的简化归一化。 SwiGL ...

MagicWorld 针对当前视频世界模型在长时间交互中易出现运动不合理与场景崩坏的问题，提出了一种面向长时稳定性的交互式建模框架。该方法通过引入基于光流的运动约束提升动态真实性，利用历史检索机制增强跨时间一致性，并通过多步聚合的训练策略优化整体交互序列质量，从而有效缓解误差累积问题。整体上，Mag... ...

上一篇我们介绍了 KV Cache：它把每一步重复的 K、V 计算存进缓存，让自回归推理的计算量骤降。 但这个加速不是没有代价的。KV Cache 的大小正比于多项参数，因此又反过来推动了注意力结构本身的改进。 这便是本篇内容：分组查询注意力（Grouped-Query Attention，GQA） ...

上一篇我们介绍了 SwiGLU，通过引入门控机制让 FFN 能够根据输入动态筛选信息，取代了标准 Transformer 沿用多年的单通路结构。 前两篇的内容都关于结构上的优化，本篇则关于一个核心工程优化。 我们知道，即使是现在的多数大模型，其生成回答的逻辑仍然是自回归生成，即逐个字往外蹦。 因此， ...

上一篇我们看了现代大模型对归一化的改造。 RMSNorm 去掉了均值中心化，只保留均方根缩放：一个沿用多年的标准组件，拆开一看，其中一部分工作在现代整体架构中已经有些多余了。 本篇来看第二个改动：Transformer 架构中的 FFN (MLP) 层的重构，而其具体内容，需要先从激活函数说起。 1 ...

上一篇我们介绍了旋转位置编码 RoPE ，它通过在 QK 点积中注入旋转矩阵，让注意力自然而然地感知到相对位置。如今 RoPE 已经成为几乎所有主流开源大模型的位置编码标准。 但位置编码只是现代大模型改造的一个环节。 如果把标准 Transformer 和今天的大模型放在一起对比，就会发现归一化方式 ...

前端工程化的痛点 每个前端项目都会遇到这些问题： 依赖版本冲突（同事A的node_modules能跑，B的跑不起来） 构建速度慢（每次npm run build要等3分钟） 代码风格不统一（Prettier和ESLint打起来了） 部署到测试环境需要手动scp 这篇文章用MonkeyCode生成完整 ...

上一篇我们回到 Swin 补上了它的二维 RPE 方案，用紧凑偏置表实现了高效的二维相对位置编码。 至此，从 Shaw 的加法型、Transformer-XL 的四项重构式、再到 T5 的偏置型，Swin 的二维扩展，每种方案都在尝试不同的方法来实现 RPE。 最终，在 NLP 这个 RPE 的"原 ...

用MonkeyCode做Git集成：从克隆到提交的全流程 为什么要用Git集成 以前用AI编程工具，最大的痛点是：代码写完了，还要手动复制到本地、提交到Git、创建PR。 现在MonkeyCode直接集成了GitHub/GitLab/Gitea/Gitee，可以： 直接从仓库克隆代码 在网页端提交c ...

手表不仅是精密时计，更承载着价值与情感。随着消费观念升级，闲置手表回收需求日益增长，但市场信息不对称、套路频发等问题困扰着消费者。2026年成都手表回收市场涌现出多家专业机构，以规范化服务重塑行业标杆。本文以第三方视角测评主流回收平台，解析其优势，助力消费者安心变现。 一、手表回收市场现状：规范与风 ...

AI写作争议：诺贝尔文学奖得主也用AI？ 2026年5月，诺贝尔文学奖得主奥尔加·托卡尔丘克的一段采访视频在社交媒体上广泛传播。视频中，这位作家称在创作最新小说时会和人工智能"对话"。这一表述迅速被部分网友解读为"承认使用AI参与文学创作"，随后，托卡尔丘克通过出版商回应这是"误解"。然而，围绕AI ...

本篇算法仓位：harris 1. 拼接算法现状 首先先需要说明的是，不同于我们之前介绍的 CV 和 NLP，在这些领域中，DL 方法已经成为绝对主流，传统机器学习和统计学方法更多只作为思想上的参考。 其根本原因还是我们之前提到过的： DL 本质上是数据驱动的方法，而这些领域恰恰拥有海量数据，从而使模 ...

新分类，不再只说纯理论了，我同步维护一个 github 仓库，也方便自己跑跑代码，有兴趣可以关注一下。 1. 扫推式成像 （Push broom Imaging） 在之前的 光谱融合中提到过，现有技术很难一次获取兼顾高光谱分辨率和高空间分辨率的图像。 概括来说可以理解为相机里的二维传感器难以完整采集 ...

上一篇我们介绍了 T5 的偏置型 RPE，仅仅使用一个标量偏置，配合分桶策略，就用极低的复杂度实现了 NLP 的高效位置编码。 而下一个问题就是： 一维序列上的标量偏置，到了二维图像上要怎么做？ 这一篇我们来补上之前的 Swin Transformer 中一个当时没有展开的细节：二维 RPE。 1. ...