【Games101】变换基础概念

Friday, Jun 27, 2025

计算机图形学通过缩放、镜像、错切和旋转等基本变换矩阵，描述物体在二维空间中的位置、大小和方向变化。

【Games101】图形学概述与数学基础

Tuesday, Jun 24, 2025

计算机图形学是研究图形表示、生成、处理和显示的交叉学科，其核心内容包括这四个方面。学习该学科需掌握线性代数基础，如向量的点乘、叉乘及矩阵运算，这些是图形生成与处理的关键数学工具。

【C++】C++中的设计模式

Thursday, May 1, 2025

设计模式是针对软件设计中常见问题的通用解决方案，核心在于提升代码复用性，避免重复造轮子。

【3D生成AI】学习笔记（一）：范式革命与管线全景图

Sunday, Apr 27, 2025

从传统3D内容制作管线的工时金字塔出发，拆解3D生成AI带来的三重范式转移——门槛民主化、创意涌现性与表示连续化，并给出全流程管线总览与AI在管线中的阶梯式定位。

【3D生成AI】学习笔记（三）：核心生成模型范式

Sunday, Apr 27, 2025

深入3D生成模型的四大核心范式：体素与栅格生成、点云与结构生成、隐式场与神经场生成（NeRF完全推导、DreamFusion与SDS数学推导、3DGS详解）、可微表面积生成，以及原生3D扩散与大规模预训练趋势。

【3D生成AI】学习笔记（二）：先修知识体系

Sunday, Apr 27, 2025

系统梳理3D生成AI的两大先修知识支柱：3D计算机图形学基础（五种核心表示方法、多视图几何、渲染管线）与深度学习核心基石（GAN/VAE/扩散模型推导、神经网络架构、优化理论），并附先修知识自测清单。

【3D生成AI】学习笔记（五）：评估与验证

Sunday, Apr 27, 2025

从主观实验设计、客观指标体系（CD/EMD/F-Score/LPIPS/SSIM/CLIP Score）的数学本质、指标间的内在冲突，到下游任务驱动的功能性验证，建立多维、多视角、统计严谨的3D生成评估框架。

【3D生成AI】学习笔记（六）：实战与前沿趋势

Sunday, Apr 27, 2025

核心开源框架详解（nerfstudio/threestudio/Kaolin/PyTorch3D）、实战动手路径与学习资源推荐，以及3D生成AI的未来趋势展望——从数据规模到多模态统一表示。

【3D生成AI】学习笔记（四）：后处理与生产管线

Sunday, Apr 27, 2025

从生成到可用资产的关键后处理环节：Marching Cubes网格提取、重拓扑与Remesh、UV展开与纹理烘焙、LOD生成与轻量化，以及完整的引擎集成管线。

【深度学习】常见的激活函数

Thursday, Jan 30, 2025

激活函数为神经网络引入非线性，使其能够学习复杂模式。它分为饱和与非饱和两类，前者如Sigmoid和tanh，后者如ReLU。使用激活函数可避免网络退化为线性模型，并解决梯度消失等问题，从而增强模型的表达能力。