数据来源是东方财富网站，博客只做贴图（特别留意几个时间点：2018年贸易战，2019-2022疫情情前后的变化），数据本身很有趣，博主的comments不构成投资建议，不过毫无疑问的是我们正处于通缩周期中。
Demosaic算法的零散笔记
demosaic算法主要过程是判边（Direction）和插值，同时需要考虑区域的饱和度（Saturation … 阅读更多
PengChao
香港REITs(一)发展
不动产投资信托（Real Estate Investment Trusts，缩写REITs）又称房托基金、地产信托，于1960年发源于美国，是一种通过发行收益信托凭证/股份汇集资金，由管理人进行房地产投资、经营和管理，并将投资总和收益分配给投资者的证券。
对于投资者而言，REITs由不动产的证券话以及许多投资人的资金募集，使得没有庞大资本的一般投资人也能以降低门槛参与不动产市场，活动不动产市场交易、租金与增值所带来的收益。同时投资人不需要实质持有不动产标的，就可在正确市场交易，因此市场流通性由于不动产。
德国银行N26信用卡开户
参考链接： https://wzproject.com/n26-review/
Pyside6 Graphview鼠标框选
上一篇博客给了一个QImageView类，其中实现了图片浏览器的基础鼠标操作，在此基础之上，进一步实现鼠标框选的操作。具体实现时，我们先构建一个场景类QImageScene，用于管理场景中的Item，场景中的Item主要有两类，一类是图像，另一类是选择框。对于选择框的操作，我们把鼠标事件定义在QImage Scene类中。
Pyside6实现的ImageView类
实现了一个ImageView类，继承自QGraphicsView，主要overwrite鼠标和滚轮事件，实现基本的拖拽，以鼠标中心点进行缩放。
图像高斯噪声情况下的运动判别
问题是我们估计一对图像之间是否存在局部运动，我们知道这两张图像各自的噪声分布，在某个亮度下服从正态分布sigm … 阅读更多
MATLAB符号工具箱（三）求导数和驻点
使用符号工具箱求导函数，以及使用solve解方程的一个简单例子：
MATLAB符号工具箱(二)解带约束条件的方程组
两个例子, 一是用solve函数解带约束条件的方程组, 二是用fmincon函数解带约束条件的最小化问题 一个 … 阅读更多
Matlab符号工具箱(一)化简方程
翻老代码发现之前写了一个简单的符号工具箱化简方程，好久不用遗忘了，留个代码备份
几何流形工具书
一、偏微分方程
精细光流估计
这篇博客是论文：High Accuracy Optical Flow Estimation Based Theory for Warp 的笔记，论文为2004年，在2015年EpicFlow方法中引用。
在稠密光流估计中，最后一步往往是将光流图进行Refine和smooth，来确保光流在空间上连续，大部分区域符合刚体运动假设，同时也会处理遮挡，为遮挡区域提供连续的光流值。
在介绍的论文中，建立了一个能量函数，将光流图的优化和优化能量函数联系起来。论文偏向传统，但是也很经典，接下来一起看下做法。
Biratral Grid与HDRNET论文笔记
这篇博客介绍 Google 近年来在Photography方面一篇具有代表性的论文，Deep Bilateral Learning for Real-Time Image Enhancement
HDRNET的主要特征数数据分成两路，低分辨率偏向high level语义，这一路学习到的是一系列参数（分mesh的3×4 color matrix），学习参数需要的计算资源相对于学习输出图需要的资源更少，移动端部署更加方便。高分辨率一路更偏向low-level引导，学些引导图和参数apply。
FILM大运动插帧
两张图片就可以生成一小段视频，效果很不错，可以直接在网站上用demo玩儿一玩儿。
网站和源码：https://film-net.github.io/
Google AI Blog：https://ai.googleblog.com/2022/10/large-motion-frame-interpolation.html
RTSR（一）Edge-SR 一层网络做超分
京东方的一篇论文，主打轻量级网络做Real-Time SR，只有一层，对标传统bicubic上采样，因为轻量，所以实用，同时一层网络的可解释性也更强。
论文地址：Edge-SR：Super-Resolution For The Masses
Huggingface简单调用bert模型
Hugging face起初是一家总部位于纽约的聊天机器人初创服务商，聊天机器人服务没搞起来，但是hugging face在github上开源的transformers库大火，已经成为机器学习届最活跃的开源社区。这篇博客简单介绍下怎样从hugggingface获取数据和使用模型。
hugging face的官方网站：http://www.huggingface.co./ 。 我们基本可以从这里捞到很多数据集、预训练模型、课程 和 文档。