青山軒

周三上午听了一节 302 的讲座，主要不是面向动院学生的，我算旁听。清华美院副院长作分享，主题大概是叫「数据驱动的物理与数字世界间的拓扑转换」，主要是分享了一些过往项目。我舍友直到讲座结束也没听懂这个主题到底是什么意思，我理解的大概就是：通过对物理世界进行大量的数据采集，以这些数据做支撑，数字化重现乃至演绎物理世界；然后利用输出硬件，再把数字化效果用一定的艺术表现形式呈现到物理世界中。

---

下午参加了江老师的文献导读工作坊，主题是「如何读懂自己读不懂的书」。我没想到来的学生这么少，到了预计开讲的时间加上我才来了三人，到最后也不超过十人，可能“工作坊”三个字吓退了不少同学，因为用上这个词就总感觉会有小组讨论、翻转课堂等等。但人少也有人少的好处，整个氛围更像沙龙了，无论是老师还是学生感觉都放松了不少。

江老师说，这种氛围让他回想起，他们那个年代，2000 年初，上大学的时候，大家都在宿舍打牌，边打牌边进行学术讨论——可能不是为了学术而学术，但总之是各个专业的人在交流知识、分享自己读到的东西。不知道这里面有多少江老师艺术加工的部分，至少我觉得打牌的时候应该是没这个工夫交流知识的。

江老师那一级，如果我没记错的话，他说学校里的研究生总共只有不到一百人。与现在大学生的皇皇竞争相比，那时的压力是多么地小啊！一旦竞争基数十倍百倍，那是哪条路都不好走，也怨不得当代这么多大学生卷不动想“躺平”。

又称《西行漫记》，是美国记者埃德加·斯诺创作的纪实文学，于 1937 年 10 月在伦敦首次出版，记录了作者自 1936 年 6 月至 10 月在中国西北革命根据地进行实地采访的所见所闻。

“我接到报告，说你是一位值得信赖的新闻记者，对中国人民是友好的，会如实报道。”周恩来说，“我们知道这些就行了。你不是共产主义者，这不要紧。任何一位新闻记者来苏区采访，我们都欢迎。阻止新闻记者到苏区的不是我们，是国民党。你见到什么都可以报道，我们会向你提供一切帮助来考察苏区。”

按照周恩来的说法，自从红军缴获了白军的设备，建立起无线电通信机构之后，国民党还从来没有破译过红军的密码。

居然要 92 天！……到底有什么好看的？难道苏区那么辽阔？后来的结果是，我所用的时间比他建议的还要长得多，最后我还恋恋不舍，不想离开，因为我看到的实在太少了。

贺龙对富人的憎恶在中国已经成为传说。据说，哪怕贺龙还在距离 200 里开外的地方，哪怕南京方面有重兵把守，地主豪绅得了消息也会赶紧逃跑——因为他向来以行军神速著称。

什么是 STE

Straight-Through Estimator，简称 STE，是一种深度学习技巧，主要用于解决模型中‌离散操作不可导导致梯度无法反向传播的问题，通过在前向计算保留离散、反向传播近似梯度的方式实现端到端训练．‌‌‌

ClipGS 的问题描述

在 ClipGS 中，判断一个高斯的可见性的表达式是

$$\mathcal{M} = \bm{1} \, [(\bm{\mu} + \bm{\delta}) \cdot \bm{n} < z], \tag{1}$$

其中 $\bm{\mu}$ 是高斯的均值，$\bm{\delta}$ 是使 $\bm{\mu} + \bm{\delta}$ 更接近贡献中心的偏移，$\bm{n}$ 是裁剪平面的法线．由于离散的 $\mathcal{M} \in \{0, 1\}$ 无法提供梯度信息，所以需要利用 STE 使 $\mathcal{M}$ 可学习．

中文名	源语言名	源语言	英文名
安慕希	ἀμβροσία	希腊语	ambrosia
莫西干	Mohican	英语	Mohican
塞浦路斯	Κύπρος	希腊语	Cyprus
修昔底德	Θουκυδίδης	希腊语	Thucydides

原始体渲染公式：

$$I(\gamma(t)) =\int T(t) \, \sigma(\gamma(t)) \, c(\gamma(t)) \, \mathrm{d}t, \tag{1}$$

在体积泼溅中，有

$$\sigma(\bm{x}) = \sum_{i=1} ^ K \sigma_i \, \mathcal{G}_i(\bm{x}). \tag{2}$$

第 $i$ 个高斯在 $t$ 处的密度贡献为 $\sigma_i \, \mathcal{G}_i(\gamma(t))$，对第 $i$ 个高斯沿射线积分：

$$\begin{aligned} & \int_\R \sigma_i \, \mathcal{G}_i(\gamma(t)) \, \mathrm{d}t \\ = & \sigma_i \int_\R \mathcal{G}_i(\gamma(t)) \, \mathrm{d}t, \end{aligned}$$

令

$$\tau_i := \int_\R \mathcal{G}_i(\gamma(t)) \, \mathrm{d}t, \tag{3}$$

那么第 $i$ 个高斯的密度贡献就可以表示为 $\sigma_i \tau_i$，因此透射率

$$T_i = \prod_{j=i} ^ {i-1}(1 - \sigma_i \tau_i). \tag{4}$$

所以

$$I(\gamma) = \sum_{i=1} ^ K c_i (\sigma_i \tau_i) T_i,$$

$$\boxed{ I(\gamma) = \sum_{i=1} ^ K c_i \sigma_i \tau_i \prod_{j=1} ^ {i-1} (1 - \sigma_j \tau_j), \quad \text{with } \tau_i = \int_\R \mathcal{G}_i(\gamma(t)) \, \mathrm{d}t. } \tag{5}$$