7 月 26 日 周日
7 月 10 日 周五
7 月 8 日 周三
7 月 4 日 周六
发表了 2 条回复 @kiou #11 差别还蛮大的啦，毕竟架构完全不一样！
@YoucanBaby #7 嘿嘿
3 月 23 日 周一
3 月 9 日 周一
发表了回复 @ #1 BTW，下篇实测不会用深度估计的相机，但是会测试在没有任何额外数据的条件下，用模型预测，或者用传统工具预测，做结合的输入，观察效果如何 毕竟有外部数据就太作弊了！
3 月 6 日 周五
发表了回复 @ #1 好问题，这个是靠MLLM得到的信息，可以理解为llm前面有一个负责理解视觉的视觉编码器，位置信息是通过结合图像语义和LLM推断得到的。这个问题的难题在于模型必须在只有多张单目图像的情况下直接理解，不能取得深度信息或者点云的数据。我会在下一篇论证你说的关于深度信息参与，用传统CV实现SLAM之类的额外数据套LLM推理的想法
发布了话题 
大家吼！ 这里是并非每周一篇的每周一篇（ 事实上，之前正在写另一篇的手记，但由于看到这篇论文以后大受启发，所以决定推倒重来了，另一篇有空再聊吧 这次我们不聊方法论，我们来看一篇说明模型空间问题的论文 关于这篇对应的测试题目，我其实在几天前放在了技术区，让大家实际体验了下难度 说实话，看到Claude这些最新最热的模型都无能为力时，我是真的有些震撼的，简直是无一例外的阵亡啊！ 关于测试，参见：https://www.kungal.com/topic/3238 感兴趣也来体验下吧！ 此外，由于Paper2Galgame的先天缺
2 月 28 日 周六
发表了回复 @ #3 AI会不能理解图像发生了平移，以及旋转的确切角度，他们分析的时候基本都是角度变化超过90度，我怀疑是因为参照物的问题，就是下面的那个橙色椅子发生的角度变化的同时包含了位移，AI在没有确切提示的情况下很容易误分析
2 月 27 日 周五
发布了话题 
前言 每周一篇正在编写中，不过我想先抽身出来，考验下大家日常使用的模型的空间感知能力。 其实测试的方法也很简单啦，只要让模型回答这个问题就好了 问题 图片1: 图片2: 问题： 这些图片是从第一人称视角连续拍
2 月 19 日 周四
发表了回复 @ #1 只是随笔啦
发布了话题 
我自己平时是有阅读论文的习惯的，不过基本不会记录下来。多数情况下，我阅读论文的方式都是短平快为主，容易遗漏一些思考的机会。 为此我决定以随笔的形式，每周至少将一篇论文记录下来，好好读一读。 为了增添情趣(?)，我决定使用Paper2Galgame作为论文的对答展现形式。诚然，这肯定不是剖析论文的最佳方法，但却是一种较为有趣的形式，有助益延长我对于记录论文的兴趣。 考虑到我自己的blog还在重写中，我决定先将我的随笔放在这里，恰与大家一同分享，借此与更多感兴趣的同好一起交流。 Paper2Gal我选择使用的是自定义模型用于解析，模型为目前的sota之一：kim
2 月 4 日 周三
2025 年 7 月 21 日 周一
2024 年 9 月 30 日 周一
发表了回复 谢谢喵！