模型：
\[dp_{i,j}=\max(dp_{i-1,j}+R(i-1,j),dp_{i,j-1}+U(i,j-1))
\]
目标明确：\((0,0)\to (n,m)\)。
两个方向的贡献函数可以转化到一个方向，例如 \(U\to R\)。
将贡献函数转化为若干个区间修改的形式（唉没错就是差分）（事实上原本的贡献函数计算一般也是基于前缀和等方式）
转化方式基于：
\((0,0)\to (n,m)\)，发生 \(i\to i+1\) 时刻的 \(j\) 坐标若 \(\ge t\)，则产生贡献 \(w\)。（没错，要的就是这么拆贡献）。
那么这个贡献等效于发生 \(j:t-1\to t\) 的时刻第一维坐标 \(\le i\)。
就可以转化到 \(R\) 上了。
用图像说就是：
