android platter1

提出一种基于方向重建滤波核的Splatting新算法，以增强体绘制中物体的边缘。该算法基于三维数据场的梯度信息，投影时自适应地选择有方向的椭圆高斯足印函数，与传统Splatting相比，能够减小投影中的足印重叠现象，在绘制时间相比拟的条件下可更加精细地绘制出三维物体的轮廓。分别给出了平行投影和透视投影下的新Splatting算法，并对该算法在透视投影中的误差进行了分析。

用于体绘制，成像质量不错，提供给大家一起学习

softmax-splatting 这是softmax splatting运算符的参考实现，已在使用PyTorch的用于视频帧插值的Softmax splatting [1]中提出。 Softmax喷溅是一种有积极性的方法，可用于区分前向翘曲。它使用平移不变重要性度量来消除多个源像素映射到同一目标像素的情况的歧义。如果您要利用我们的工作，请引用我们的论文[1]。 设置 softmax喷溅是使用CuPy在CUDA中实现的，这就是为什么CuPy是必需的依赖项的原因。可以使用pip install cupy安装它，也可以使用CuPy存储库中概述的提供的二进制程序包之一进行pip install cupy 。 提供的示例脚本正在使用OpenCV加载和显示图像，以及读取提供的光流文件。安装适用于Python的OpenCV一种简单方法是使用pip install opencv-contrib-pyth

SMO算法由Microsoft Research的John C. Platt在1998年提出，并成为最快的二次规划优化算法，特别针对线性SVM和数据稀疏时性能更优。关于SMO最好的资料就是他本人写的《Sequential Minimal Optimization A Fast Algorithm for Training Support Vector Machines》了。

Make Electronics Learning Through Discovery, 2nd Edition Platt

PLATTNERA：年度报告2019.PDF

In the binary case, the probabilities are calibrated using Platt scaling 9: logistic regression on the SVM’s scores, fit by an additional cross-validation on the training data.

学习ct的同学，以及三维可视化重建的同学可以看下，很有帮助的