【日报】2026-04-09 全景相关东西太多了，理下思路。 Q：全景+Transformers是否需要类似2D RoPE编码的编码？ 直接在全景上训练：不需要，可以参考SoLA，直接设计编码并重新训练，而无需兼容2D RoPE。 问题：全景数据集少，无法训练出一个好的基础模型 将平面假设基础模型进行迁移：需要，因为基础模型基本基于2D RoPE（DINO与PE） 理想情况下拥有SO（3）旋转等变性 无须大规模训练 可退化为2D RoPE 今晚可能再写下横向标注PPT。横向还差防抖、多状态。

【日报】2026-04-10 今天主要整理一下东西吧。我打算快速把Kent分布做掉，顺带也能对全景检测领域最近的sota有些了解。

【日报】2026-04-13 78服务器还是有问题，还在用74。今天推进了下kent分布的那个实验。花了一下午+一晚上试着用Agent做PPT，经验：不要让Agent做细排版，很浪费时间，虽然他也能做好。

【日报】2026-04-14 今天继续修正kent loss的代码。做了下明天上课汇报ppt。

【日报】2026-04-15 前天下午和师兄还讨论了下他的idea——flow matching相关的，感觉很有意思。昨天调了调kent的参数，感觉训的起来了。今天想看看flow matching 和强化学习到底有啥区别，之前和师兄聊的时候感觉好像有点像🤔。 事实上sph2pob已经把loss做得比较好了，无论是大尺度还是小尺度： 截屏2026-04-16 11.50.05.png 全景检测效果差感觉已经不是loss的问题了，做这个还有啥意义吗？