在 Debian/Ubuntu 上 7-Zip 安裝

在 Debian/Ubuntu 上安裝最新版 7-Zip 教學。可以解決 p7zip 存在的一些 bug，如無法壓縮大檔案等問題。

需要手動安裝 7-Zip 的原因

p7zip 太舊了，有 bug (超過5GB的大檔案無法壓縮)。 apt 中的 7zip 也是舊版，因此需要從官網下載。

從 7-Zip 官網下載
在官網下載頁面中查找最新版本的安裝包，並複製下載連結。
官網下載頁面
```
# 切換至下載目錄
cd ~/Downloads

# 下載檔案
wget -O 7zip.tar.xz download-link
```
解壓縮
```
tar -xf 7zip.tar.xz --one-top-level
```
安裝
將 7zz 執行檔複製到 /usr/local/bin/ 資料夾下即安裝完成。
note
- 由於 /usr/local/bin 是系統的執行檔目錄，因此需要使用 sudo 權限來複製檔案。
- 7-Zip 的執行檔名稱是 7zz，有別於 p7zip 的 7z。因此安裝後的執行命令是 7zz 而不是 7z。如 7zz a test.7z test.txt。
- 如果想要使用 7z 命令，需要先移除 p7zip 來避免衝突 (如果有的話)。隨後建立一個軟連結，指向 7zz: sudo ln -s /usr/local/bin/7zz /usr/local/bin/7z。
```
sudo cp 7zip/7zz /usr/local/bin/7zz
```

論文筆記 - NeuS: Learning Neural Implicit Surfaces by Volume Rendering for Multi-view Reconstruction

2024-01-16·上次編輯: 2025-12-26·3178 字·7 分鐘

論文筆記 NeuS

本篇筆記整理了 NeuS (NeurIPS 2021) 的研究內容。該論文致力於從多視角影像（multi-view images）中實現高品質的 3D 表面重建，旨在結合隱式表面表示（implicit surface representation）和體積渲染（volume rendering）的優點，同時克服先前方法（如 IDR 和 NeRF）各自的局限性。筆記內容涵蓋了其核心方法：將 3D 表面表示為神經符號距離函數（Neural Signed Distance Function, SDF）的零水平集（zero-level set），並提出一種新穎的體積渲染方案來訓練此 SDF 網路。此方案的關鍵在於設計了一個基於 SDF 導數（S-density）的權重函數（weight function）和對應的不透明度密度（opaque density），使其既能無偏差地（unbiased）定位表面，又能處理遮擋（occlusion-aware）。此外，筆記也記錄了其訓練細節，包括損失函數（包含顏色損失、Eikonal 正規化和可選的遮罩損失）以及層級採樣（hierarchical sampling）策略，最終目標是重建出高保真度的物體表面。

論文筆記 - MonoNeRF: Learning Generalizable NeRFs from Monocular Videos without Camera Poses

2024-01-06·上次編輯: 2025-12-26·2982 字·6 分鐘

論文筆記 NeRF

MonoNeRF (ICML 2023) 這篇論文探索了一個重要的問題：如何在缺乏真實相機姿態（camera poses）標註的情況下，從普通的單眼視角影片（monocular videos）中學習可泛化的神經輻射場（NeRFs）。本篇筆記旨在整理該研究提出的解決方案，內容涵蓋其核心的自動編碼器（autoencoder）架構、用於估計相對相機姿態與單眼深度的編碼器、基於多平面影像（Multiplane Images）的 NeRF 解碼器，以及實現自監督學習所依賴的自動尺度校準（auto-scale calibration）等關鍵技術細節。

相關文章