可微优化

该研究引入可学习的形状先验，通过可微方式优化关键点位置，以解决局部外观信息不可靠时的位置歧义。

可微优化将优化过程实现为可求导模块，使梯度能从优化结果回传到前端网络，实现端到端训练。

有一项目展示如何将离散选择问题转化为可微的连续松弛形式，利用PyTorch的自动微分和梯度下降来寻找近似解。

据社区讨论，该项目更多是教学和概念验证性质，适合作为理解可微优化的入门示例，而非生产级求解器。