李相越的博客

我的第一篇论文，通过对齐正则化损失解决掩码引导图像生成时产生的标签偏移问题，通过生成反馈损失将扩散模型所学到的图像-掩码对齐知识迁移给分割模型，实现对分割性能的进一步提升。

介绍 Batch Normalization、Layer Normalization、Instance Normalization、Group Normalization、Root Mean Square Normalization 归一化方法

介绍 Flow Matching 的基础概念，可视化展示流匹配的过程

从 ViT 到 DiT 再到 MMDiT，分析 Transformer 模型在计算机视觉和多模态生成领域的演进脉络，利用 diffusers 库提供的相关代码探究各个架构的实现细节

LeetCode 热题100 中 链表 的题目分析和总结

用图像来引导文本生成图像的Stable Diffusion进行可控生成

简单介绍扩散模型的基础理论和从 DDPM 到 Stable Diffusion 的发展历程

利用 Gemini Canvas 生成简历编辑网站，并且将其生成的代码直接在本地运行

LeetCode 热题100 中 哈希 的题目分析和总结

使用 Hexo 框架结合 Fluid 主题搭建个人博客，并通过 GitHub Pages 部署