写在前面Facebook开源的VideoPose3D模型致力于实现准确的人体骨骼3D重建。其效果令人惊叹，只需要使用手机相机就可以实现相似的效果。而一旦技术成熟，这种人体骨骼的三维重建在很多领域将会产生颠覆性的应用。但是到目前为止，该技术还是有很多不足，其中制约该技术商业化运用的一个最大难点在于源码理解困难，模型是纯纯黑盒。因此本文将尝试理解该论文的实现方法。介绍论文一开始就阐述了核心技术，即使用2D关键点预测3D姿势，最后再将3D姿势反向投影回原先的2D关键点(半监督方法)。并且作者声称在2D关键点预测3D时使用了时间卷积架构(temporalconvolutions)，让模型可以一次看见多
写在前面Facebook开源的VideoPose3D模型致力于实现准确的人体骨骼3D重建。其效果令人惊叹，只需要使用手机相机就可以实现相似的效果。而一旦技术成熟，这种人体骨骼的三维重建在很多领域将会产生颠覆性的应用。但是到目前为止，该技术还是有很多不足，其中制约该技术商业化运用的一个最大难点在于源码理解困难，模型是纯纯黑盒。因此本文将尝试理解该论文的实现方法。介绍论文一开始就阐述了核心技术，即使用2D关键点预测3D姿势，最后再将3D姿势反向投影回原先的2D关键点(半监督方法)。并且作者声称在2D关键点预测3D时使用了时间卷积架构(temporalconvolutions)，让模型可以一次看见多
综述部分📌分配轨道（数据关联）的方法：ThealgorithmofMultipleHypothesisTracking(MHT)(多重假设跟踪)evaluatesthelikelihoodofatargetbasedonasequenceofmeasurements.Thetrackhypothesisforeachcandidateformsatree.Toselectthebesttrackhypothesis,itprunesoutthespurioushypothesesforeachtrackindependentlyanddiscardsthedeleteditems[26,”Mu
综述部分📌分配轨道（数据关联）的方法：ThealgorithmofMultipleHypothesisTracking(MHT)(多重假设跟踪)evaluatesthelikelihoodofatargetbasedonasequenceofmeasurements.Thetrackhypothesisforeachcandidateformsatree.Toselectthebesttrackhypothesis,itprunesoutthespurioushypothesesforeachtrackindependentlyanddiscardsthedeleteditems[26,”Mu
代码地址：postgresql-13.1-ml:IntegrationofCardEstMethodsintoPostgreSQLbyHTTPServer(github.com)当前进度：可以支持单表查询、多表innerjoin的基数估计模块的替换。注意：本文的重点在于PG的修改。记录一下我的修改思路。整体流程PG作为http客户端，向基数估计服务端发送http请求。内容为需要基数估计的SQL语句。基数估计服务端返回该语句的selectivity。PG收到该查询的selectivity后乘以当前表的大小，即得到rows项目的难点主要在于获取需要基数估计的SQL查询语句。PG原版基数估计调用逻辑
代码地址：postgresql-13.1-ml:IntegrationofCardEstMethodsintoPostgreSQLbyHTTPServer(github.com)当前进度：可以支持单表查询、多表innerjoin的基数估计模块的替换。注意：本文的重点在于PG的修改。记录一下我的修改思路。整体流程PG作为http客户端，向基数估计服务端发送http请求。内容为需要基数估计的SQL语句。基数估计服务端返回该语句的selectivity。PG收到该查询的selectivity后乘以当前表的大小，即得到rows项目的难点主要在于获取需要基数估计的SQL查询语句。PG原版基数估计调用逻辑
