《Modeling Color Difference for Visualization Design》，该论文是2017年的一篇最佳会议论文，对可视化中的色差进行建模，比较有创新性，作为图形学课程报告，由于我专业不是图形方向，对这个不太了解，一开始入手很难理解，花了几天啃出来的重要内容都在报告中说明了~

局部图结构（LGS）及其变体对称局部图结构（SLGS）已被证明对图像识别有效。 但是，它们的缺点是没有考虑目标像素和周围像素之间的差异以及周围像素之间的差异对目标像素的特征值的贡献。 为了克服传统方法的不足，提出了一种用于手指静脉识别的差分对称局部图结构（DSLGS）算法。 DSLGS运算符考虑了不同值对目标像素特征的贡献，从而使提取的特征更加稳定。 实验结果表明，与传统方法相比，该算法具有更好的性能。

%% 有限差分显式方法（迭代），D = 扩散率：Fick 的第二扩散定律% by Prof. Roche C. de Guzman 清除; clc; 关闭所有'）; %% 给定xi = 0; xf = 0.6; dx = 0.04; % x 范围和步长 = dx [m] xL = 0; xU = 0.1; % 初始值 x 下限和上限 [m] ti = 0; tf = 0.05; dt = 4e-4; % t 范围和步长 = dt [s] ci = 2; % 初始浓度值 [ng/L] cLU = 8; x 上下限范围内的 % 初始浓度值 [ng/L] D = 1.5； % 扩散率或扩散系数 [m^2/s] %% 计算％自变量：x和t X = xi:dx:xf; nx = 数字（X）； T = ti:dt:tf; nt = numel(T); % x 和 t 向量及其元素数[x,t] = me

CaptionNet: Automatic End-to-End Siamese Difference Captioning Model With Attention

Finite Difference Schemes and Partial Differential Equations

萨德网 用于视频摘要的Selft和差异注意网络 SADNet体系结构概述 数据集和预训练模型 您可以通过运行以下命令来下载预处理数据集TVSum，SumMe，YouTube和OVP以及VASNet预训练的模型： ./download.sh datasets_models_urls.txt 数据集将存储在./datasets目录和模型中，并带有相应的拆分文件，分别存储在./data/models和./data/splits中。 可以从或下载数据集的原始版本。 。 训练 要在./splits目录中的所有拆分文件上训练SADNet，请运行以下命令： python3 main.py --train 结果（包括split和python文件的副本）将存储在./data目录中。 您可以使用参数-o 指定其他目录。 最终结果将与./data/models目录中的相

Finite_Difference_Method_BSM：使用显式欧拉有限差分法对Black Scholes模型进行定价

地震成像有限差分法实现偏移成像/显式有限差分/finite difference

有限时域差分法 写XFDTD那个作者写的。

Finite Difference Methods for Ordinary and Partial Differential Equations