https://nx.wmlab.top/categories/%E5%8D%9A%E5%AE%A2/Recent content in 博客 on 南巷Hugo -- gohugo.iozh-CNliuwenhao1968@163.com (南巷)liuwenhao1968@163.com (南巷)© 2026 南巷Mon, 15 Jun 2026 02:14:39 +0800https://nx.wmlab.top/blog/vit/Mon, 15 Jun 2026 02:14:39 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/vit/下面详细分析一下ViT，这个开启了cv的新时代。在cnn处理不好的地方，在vit却是可以很好的处理。https://nx.wmlab.top/blog/segformer/Mon, 15 Jun 2026 02:14:35 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/segformer/提出一个层级（多尺度）且不依赖位置编码的 Transformer 编码器（MiT），可以直接输出多尺度特征（1/4、1/8、1/16、1/32），避免了 ViT 在不同测试分辨率下必须插值位置编码带来的性能下降。https://nx.wmlab.top/blog/swin-transformer/Mon, 15 Jun 2026 02:14:32 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/swin-transformer/Patch 分割和线性嵌入 \(Patch Partition + Linear Embedding\)https://nx.wmlab.top/blog/maskformer/Mon, 15 Jun 2026 02:14:28 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/maskformer/具体表现：https://nx.wmlab.top/blog/mask2former/Mon, 15 Jun 2026 02:14:20 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/mask2former/MaskFormer 让分割任务变成 “预测一组掩码 + 类别”； Mask2Former 让模型 “只看自己负责的掩码区域，更聪明地预测掩码”。https://nx.wmlab.top/blog/dino/Mon, 15 Jun 2026 02:14:13 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/dino/在 DINO 出现之前，自监督视觉表示学习主要有两类主流方法：https://nx.wmlab.top/blog/sam/Mon, 15 Jun 2026 02:14:12 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/sam/sam设计的出发点：https://nx.wmlab.top/blog/detr/Mon, 15 Jun 2026 02:14:04 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/detr/在做DETR之前，目标检测都是下面两种任务方式：https://nx.wmlab.top/blog/deformable-detr/Mon, 15 Jun 2026 02:14:02 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/deformable-detr/原来大DETR有几个缺点：https://nx.wmlab.top/blog/flow-matching/Sun, 14 Jun 2026 19:06:46 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/flow-matching/从 Diffusion 的加噪、去噪与监督目标出发，逐步理解 Flow Matching 如何学习从噪声到数据的连续流场。https://nx.wmlab.top/blog/agibot-world-go1/Sun, 14 Jun 2026 19:06:13 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/agibot-world-go1/拆解 AgiBot World 与 GO-1 的平台、数据和模型设计，重点关注理解-规划-执行分层结构、Latent Planner 与 Action Expert 的实现路径。https://nx.wmlab.top/blog/acot-vla/Sun, 14 Jun 2026 19:06:05 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/acot-vla/围绕 ACoT-VLA 的背景、模型架构、显式/隐式动作推理与动作引导预测，梳理 VLA 中语义理解到低层动作控制的过渡设计。https://nx.wmlab.top/blog/llama2-sft-supervised-finetuning/Sun, 14 Jun 2026 17:52:56 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/llama2-sft-supervised-finetuning/系统整理 SFT 监督微调的目标、数据格式、训练方式与代码流程，帮助模型从通用能力走向任务对齐。https://nx.wmlab.top/blog/llama2-pretraining-process/Sun, 14 Jun 2026 17:52:46 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/llama2-pretraining-process/从数据集构建、样本切分、词表处理、模型输入到训练循环，梳理 LLaMA 2 预训练的核心流程。https://nx.wmlab.top/blog/llama2-hands-on-implementation/Sun, 14 Jun 2026 17:52:34 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/llama2-hands-on-implementation/围绕 LLaMA 2 的数据集、Tokenizer、模型结构与训练代码，记录从原理拆解到工程实现的完整实践过程。https://nx.wmlab.top/blog/llama2-analysis/Sun, 14 Jun 2026 17:49:58 +0800liuwenhao1968@163.com (南巷)https://nx.wmlab.top/blog/llama2-analysis/从模型架构、Tokenizer、RMSNorm、GQA、RoPE、FFN 到输出层，系统拆解 LLaMA 2 的核心组件与设计动机。