The Site Of Liu

一、 文件与目录管理 命令 用法示例 说明 ls ls -lh 列出文件详细信息，-h 以易读格式（GB/MB）显示大小 cd cd ~ 切换路径，~ 代表家目录，- 代表上一次所在目录 pwd pwd 显示当前所在路径的全路径 mkdir mkdir -p a/b/c 递归创建多级目录 cp cp -r src/ dst/ 递归拷贝文件夹 mv mv old.t ...

原文链接：OmniPerson: Unified Identity-Preserving Pedestrian Generation 主要贡献： 一个模型 (OmniPerson)： 这是一个基于扩散模型（Diffusion Model）的统一生成框架。它能同时支持： 多参考图输入： 给出一组不同角度的照片，提取更稳固的身份特征。 多模态生成： 支持可见光（RGB）和红外（IR）图像及视频生成。 ...

原文链接：From Poses to Identity:Training-Free Person Re-Identification via Feature Centralization 贡献在行人重识别任务中，现有的模型受背景噪声、遮挡、相机角度影响，提取的特征不够稳定。 作者发现，同一个人的特征在空间中其实是围绕一个“中心”呈正态分布的。所以他们提出：不需要重新训练模型，而是通过生成更多 ...

机器学习和深度学习中常用损失函数汇总，以备日后查阅

这篇论文的原理上不算复杂。主要工作和贡献： 将扩散模型应用到长尾数据的识别中（首次），通过扩散模型，对长尾数据进行数据增强，优化了识别效果。 在潜空间而非像素空间运用扩散模型，减少了计算开销，提升速度。 在不同的基线模型上，运用作者提出的模型（LDMLR），提升了在长尾数据识别工作的性能。 一些知识 长尾数据：长尾数据（Long-tailed Data）是指在数据集分布中，少数类（头部类）包含 ...

本文讲述了如何在基于Hexo+Butterfly主题下，进行朋友圈的配置，包括自定义样式和视频图床配置。

我本来的博客是部署在github pages上，后来迁移到了netlify上，但是总是效果不佳（访问速度慢、国内访问失败）。于是在2026年初，重新托管到了cloudflare pages上面，CF的好处是速度明显变快（得益于其CDN），局限性是国内IP访问依然失败，于是购入一个域名liu-cy.top,依旧选择了cloudflare托管，同时更换了图床为Cloud Flare R2+picl ...

本文的主要贡献 首次将Diffuse Model用于姿态引导任务合成 设计了一个叫 “纹理扩散模块（Texture Diffusion Module）” 的新组件，为了处理长相（Appearance）和动作（Pose）之间复杂的关系。 它能找到源图像和目标图像之间的对应关系（Correspondences），从而生成没有瑕疵（artefact free）的图片。 在生成图片的阶段（Sampli ...

大型文本生成图像模型1. 开山之作：Glide 地位：它是首个大型文本引导图像生成模型。 做法：它采用了“级联式架构” (Cascaded Architecture)。 通俗解释：它不指望一口气吃成胖子。它先生成一张很小的、模糊的图（$64 \times 64$），然后再用另一个模型把它放大、变清晰（$256 \times 256$）。 结果：比之前的模型（VQ-Diffusion等）真实感强 ...

深度学习拾遗dropout指的是每次更新参数的时候，随机抽取p比例的神经元不参与计算，也不更新权重。 一般来说，dropout在relu之后，即先激活，后dropout随即丢弃。 loss计算的是一个batch的均值。全体数据的 Loss 只有在验证（Evaluation）的时候，我们才会把所有 Batch 的 Loss 累加起来算一个总平均，用来评估模型好坏，但不用于更新参数。 pytorch语 ...