一、介绍 Crest 是 Unity 技术先进的海洋系统。 它专为性能而设计，并大量使用细节级别 （LOD） 策略和 GPU 加速来实现快速更新和渲染。它还具有高度的灵活性，允许对水形状/泡沫/动态波浪/等进行任何自定义输入，并具有直观且易于使用的形状创作界面。 本文档适用于 Crest 4.15.2，面向HDRP（高清渲染管线）。 二、将 Crest 文件导入项目 导入HDRP（高清渲染管

CREST: Convolutional Residual Learning for Visual Tracking 论文地址 代码 写在前面 这篇论文是在DCF上面的一些改进，也是第一篇将残差学习应用到目标跟踪这个领域中来，他们将DCF从频域弄回到了时域，就可以用滤波的方式直接得到response map了，个人感觉其实就是SiamFC那种相关的过程，不过加了时间和空间的残差，但是精度比Si

不同于在目标检测和识别等领域取得的丰硕成果，深度学习在目标跟踪领域进展相对缓慢， 很大原因是缺乏数据——目标跟踪只有第一帧的标定框作为训练数据，在这种情况下训练一个深度模型十分困难。现有的基于深度学习的方法从几个不同的角度解决这个问题，但在跟踪速度和精度方面仍有很大的提升空间。 在目标追踪界泰斗、UC Merced 杨明玄教授的指导下，香港城市大学、阿德莱德大学、SenseNet的研究人员从深

一句话总结： 分类问题中的两大难题： 1.类别不平衡 2.标注数据少，半监督学习 这篇文章，将这两个问题都包含进来了，那么看看作者是如何处理这两大难题。 长尾分布（Long-Tailed Distribution）  自然界中收集的样本通常呈长尾分布，即收集得到的绝大多数样本都属于常见的头部类别（例如猫狗之类的），而绝大部分尾部类别却只能收集到很少量的样本（例如熊猫、老虎），这