cathy

深度生成模型与可微分渲染在医学影像及3D动态场景中的前沿进展研究报告 (2023–2026)引言与技术范式演进在2023至2026年的计算机视觉与医学影像分析研究周期中，我们见证了一场深刻且不可逆转的技术范式转换。这一跨越式的演进主要由两大核心生成与表示技术的爆发所驱动：其一是扩散概率模型（Diffusion Probabilistic Models, DPMs）在高质量三维体积生成、复杂拓扑结构

面向 3DGS 复现实验的改进计划，覆盖数据、训练、评估与消融设计。

记录我第一次系统化实践 vibe coding 的方法、节奏与心得。

利用多视角与多平面MRI数据进行几何超分辨率重建：前沿进展与临床转化分析引言：磁共振成像中的物理瓶颈与几何超分辨率的崛起在现代医学图像分析（Medical Image Analysis）与精准医疗的交汇点上，高分辨率（High-resolution, HR）磁共振成像（Magnetic Resonance Imaging, MRI）在微小病灶检测、复杂解剖结构的三维定量评估以及放射组学（Radio

特别说明： 李词文：23级降级学生 谢金铭：24级转专业学生 25级新转入学生：胡瑞熙、马星萌、刘明浩、魏欣怡、王俊威、林语山、王烨、阎晓婷、张誉方 软工2501班期末成绩分析与学业预警报告1. 整体概况 (Overview) 参考与缺考人数：总参考人数 35人。数据未显示无故旷考（缺考），但存在 1人次缓考（李词文的《大学物理（A）（下）》），推测因病或事假延期。 学期加权平均成绩（GP

Awesome-MRI-ReconstructionIf you have any problems, suggestions or improvements, please submit the issue or PR. PapersReview Deep learning for fast MR imaging: a review for learning reconstruction fro

1. 研究背景与目的：打破“重采样”的效率枷锁背景：在计算机视觉领域，任意尺度超分辨率（Arbitrary-Scale Super-Resolution, ASSR） 旨在通过单一模型将低分辨率（Low-Resolution, LR）图像重建为任意放大倍数的高分辨率（High-Resolution, HR）图像。当前主流方法多采用隐式神经表示（Implicit Neural Representat

Academic Prompts collection 参考 https://github.com/binary-husky/chatgpt_academic 学术常用的 Prompts 集合。 目录 Academic Prompts collection 目录 1. 润色与纠错 (Polishing & Correction) 中文学术润色 英语学术润色 查找语法错误 Latex 英文

引言2020年的一篇论文，Denoising Diffsion Probabilistic Models 去噪扩散概率模型，本文的主要贡献在于 将扩散模型仅限于简单玩具数据集的理论概念中解放出来 更简单的生成目标 对于人脸的概率分布，其实压根就无法用一个概率分布p(x)来表示 扩散模型用一个看似不相关的流程来解决—从图像中去除高斯噪声如果模型有效的话,那么它应当能够从随机噪声开始,逐步

数学最后几天不要忘记做一些新的题目保持状态但是不需要一整张一整张模拟卷的去做保持每天做一些新题目即可做个一小时即可 其次要摒弃完美主义，在考场上的时候要接受自己可能做不出一些题目的情况几乎每个人都会出现卡题的情况，所以放平心态，随便蒙一个然后下一题 答题时间一定要把握好，按照自己平时的规律来，比如你平时模拟卷选填要70分钟，考场上自己注意注意，不要因为紧张而导致一些简单的题目重复验算，该快就快，相