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 ...

全球软件产业智能化范式转移与商业价值重构研究报告在全球人工智能（AI）投资与应用迈入大规模落地的周期中，软件产业正经历自移动互联网诞生以来最深刻的范式转移。统计表明，2025年全球约有50%的风险投资流向AI领域，行业总投资规模突破2020亿美元，同比增长75%。到2026年，全球AI总支出预计将达 ...

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 ...

本文提出LearnIR，通过训练轻量网络预测梯度校正分布，实现无需前向算子的扩散后验采样校正；并设计动态分辨率模块，进一步抑制噪声。在多个图像复原基准上，LearnIR的PSNR、SSIM、LPIPS均达到先进水平。 ...

AI的“自省”艺术：智能体自我验证场景案例集过去，我们评价一个AI好不好，通常是让另一个AI（即“LLM评委”）读读它的回答，看看“像不像”正确答案。但随着AI深入现实任务，这种“看卷子”的模式已经不太够用了。基于 AJ-Bench 研究编写，介绍“智能体判官（Agent-as-a-Judge）”如 ...

codeburn —— 一款开源本地运行的 AI Token 用量监控分析工具，一站式搞定多款 AI 编程助手的开销核算与效率评估，支持 CLI 终端交互界面和 macOS 原生菜单栏桌面应用。 ...

这一章我们聊聊这两年注意力架构的技术演化路线 - KV Cache 压缩类：MQA → GQA → MLA（每个 token 的 KV 变细） - 推理效率优化类：Flash Attention、Paged Attention（让 GPU 跑得更满） - 长文本优化类：NSA → DSA → CSA... ...

OpenCode 插件使用保姆级教程：14 个社区插件 + 6 个实战案例，从加载规则到开发实战，手把手带你打造最强 AI 编码环境。建议收藏！ ...

大家好，我是R哥。 用 Claude Code 这么久，我发现一个很有意思的现象，很多人天天用 Claude Code，但来来回回就会一个 /clear，顶多再加个 /init，剩下几十个命令压根没碰过。。 其实 Claude Code 在终端里藏了 90 多个命令，从初始化项目、切模型、管权限，到 ...

Claude+CC Switch+CC-Connect+飞书使用教程 简介 本文介绍如何使用CC Switch切换Claude终端对接的供应商，让Claude Code可以对接Deepseek、智谱等国内模型。 本文后半段介绍如何用CC-Connect让飞书对接上本地电脑上的Claude Co ...

物业行业 AI 落地避坑指南：从"技术幻想"回到业务真相有一点体感越来越强：技术在变，问题是新的，但核心挑战一直一样：怎么把新技术塞进老业务，让它能用、能用长、还能跑出结果。这个指南想讲点实际的。物业行业做过 AI 落地的人踩过的坑，大概都能对号入座。一.传统行业做 AI，先认清三件事企业级市场里， ...

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： ...

今日AI知识小课堂介绍的内容如下： -【训练集 】【验证集 】【 测试集】 -【过拟合】 -【欠拟合】【 NL2SQL】 复制知识卡片下方的链接到浏览器中打开，既可领取专属于你的智慧学伴！ 知识点： 训练集｜｜ “垃圾进，垃圾出”（Garbage in, garbage out） —— 模型表现取决 ...

ShortGPT 的核心是一个开源的 Python 框架，它利用大型语言模型（LLMs）和各种 AI 服务来自动化视频创作。通过为内容生成、语音合成、素材获取和视频编辑提供结构化方法，它简化了复杂的视频制作任务。该框架在 YouTube 自动化和 TikTok 创作者计划自动化中尤为流行，使创作者能 ...

研发效能白皮书：AI 驱动下的上下文治理与管理范式革命一.范式转移：从代码核心到上下文核心的演进战略背景分析 在 AI 驱动的"Web Coding"时代，软件研发的底层逻辑正在发生根本性变化。过去二十年，开发者在 SegmentFault 或 Stack Overflow 上找答案，靠人写代码。现 ...

今天这篇论文「[Agentic Auto-Scheduling: An Experimenta l Study of LLM-Guided Loop Optim ization」讲的是一个很具体的问题：LLM 能不能参与编译器优化，让程序跑得更快？ 这里的 Loop，指的是程序里的循环结构，比如 f ...

大家好，我是R哥。 有个兄弟前段时间面试，面试官问了他一个很有意思的问题： 公司内部文档并不多，可能就几十份文档、几百页内容，为什么还要上 RAG？直接训练一个小模型不行吗？ 很多人听到这个问题，第一反应是肯定可以。毕竟文档量不大，把这些资料整理出来，微调一个小模型，然后直接提供问答能力，看起来似乎 ...

大模型备案材料的语料标注规则，到底怎么写？ 原创 · 大模型备案指南 · 2026-06-29 做生成式大模型备案的朋友，十有八九都被《语料标注规则》这份材料折磨过。 翻来覆去就是那几个模块：标注人员怎么管、标注规则怎么定、数据格式怎么弄、质量怎么评估……但真动手写的时候，很多人又不知道从哪下笔，写 ...

摘要：本文从 OT-CFM 插值路径的统计性质出发，系统推导 Flow Matching 模型输入分布与输出速度场分布的均值和方差，分析 VAE KL 散度权重对 latent 点云分散程度的影响，并借鉴图像生成领域的 SNR 失配理论，从理论角度论证逐通道归一化对 Flow Matching 训练 ...

AI 时代的"无名英雄"：为什么 FDE 正在成为商业落地的唯一解药？1. 引言：顶配大厨与听不懂的需求 想象一下，目前的通用大模型（LLM）就像是一个厨艺绝顶、刀工出众，却完全不通人情的顶级大厨。他能在零点几秒内将食材切成一万根细丝，展示出令人惊叹的"技术确定性"。然而，当你作为顾客对他说"我想吃 ...