• 学习时长

    7周/建议每周至少6小时

  • 答疑服务

    专属微信答疑群/讲师助教均参与

  • 作业批改

    每章节设计作业/助教及时批改评优

  • 课程有效期

    一年/告别拖延,温故知新

*课程已报满,可预约下一期

  • 1:开课仪式
  • 2-1:【文档】NeRF代码环境安装
  • 2-2:【视频】环境安装步骤
  • 第1章: NeRF基础知识:摄像机几何与运动恢复结构
  • 3:【课件】NeRF初步
  • 第1节: 三维重建:显式建模与隐式建模
  • 免费 4:【视频】三维重建:显式建模与隐式建模
  • 第2节: 摄像机内外参数及其获取方法
  • 5-1:【视频】摄像机内外参数及其获取方法
  • 5-2:【视频】什么是摄像机的内外参数
  • 5-3:【视频】运动恢复结构基础:三角化与极几何
  • 5-4:【视频】运动恢复结构
  • 第3节: 本章小结
  • 6:【视频】本章小结
  • 第3章: NeRF基础:NeRF开山之作
  • 9-1:【论文】课程所需要的论文
  • 9-2:【课件】NeRF基础
  • 第1节: 本章内容介绍
  • 10:【视频】章节内容介绍
  • 第2节: 神经辐射场
  • 11:【视频】什么是神经辐射场
  • 第3节: 体渲染
  • 12:【视频】详解体渲染技术
  • 第4节: 神经网络与位置编码
  • 13:【视频】神经网络与位置编码
  • 第5节: 损失函数与训练策略
  • 14:【视频】损失函数与模型训练
  • 第6节: NERF代码讲解
  • 15-1:【代码】NeRF-pytorch-master
  • 15-2:【文档】NeRF代码详解
  • 第7节: 作业
  • 16-1:【作业】第三章
  • 16-2:【文件】第三章作业讲解
  • 第4章: NeRF基础:Mip-NeRF
  • 17:【课件】Mip-NeRF.pdf
  • 第1节: 章节内容介绍
  • 18:【视频】本章讲什么内容
  • 第2节: 混叠与抗混叠
  • 19-1:【视频】混叠现象是如何发生的
  • 19-2:【视频】如何抗混叠
  • 第3节: NeRF中的混叠问题与解决方案
  • 20:【视频】NeRF中的混叠问题如何解决
  • 第4节: 圆锥台近似计算与集成位置编码
  • 21:【视频】圆锥台近似计算与集成位置编码
  • 第5节: Mip-NeRF与NeRF的对比
  • 22:【视频】Mip-NeRF与NeRF的比较
  • 第5章: NeRF基础:Instant-NGP
  • 23:【课件】NeRF基础 Instant-NGP
  • 第1节: 本章知识概览
  • 24:【视频】本章知识
  • 第2节: Instant-NGP基础知识:哈希表与球谐函数
  • 25-1:【视频】哈希表
  • 25-2:【视频】球谐函数
  • 第3节: Instant-NGP解决了NeRF的什么问题
  • 26:【视频】NeRF的问题以及解决思路
  • 第4节: Instant-NGP的网络结构
  • 27:【视频】网络结构
  • 第5节: 基于多分辨率哈希的位置编码
  • 28:【视频】基于多分辨率哈希的位置编码
  • 第6节: 本章总结
  • 29-1:【视频】本章总结
  • 29-2:【作业】第五章
  • 第6章: 少视角NeRF
  • 30:【课件】可泛化NeRF与少视角NeRF
  • 第1节: IBRNet
  • 31:【视频】IBRNet
  • 第2节: DS-NeRF:体渲染推导
  • 32:【视频】DS-NeRF体渲染推导
  • 第3节: DS-NeRF:NeRF的问题及其改进思路
  • 33:【视频】DS-NeRF-NeRF的问题及其改进思路
  • 第4节: DS-NeRF:实现细节
  • 34:【视频】DS-NeRF-实现细节
  • 第7章: 无界场景NeRF(2次课)
  • 35:【课件】NeRF++
  • 第1节: NeRF++:辐射场几何歧义与NeRF的隐式正则
  • 36-1:【视频】内容概括
  • 36-2:【视频】辐射场几何歧义
  • 第2节: NeRF++:无界场景问题与NeRF++动机
  • 37:【视频】无界场景问题
  • 第3节: NeRF++:反向球体参数化与前背景融合体渲染
  • 38-1:【视频】反向球体参数化与前背景融合体渲染
  • 38-2:【视频】NeRF和NeRF++的对比
  • 第4节: NeRF++作业
  • 39:【作业】第七章(NeRF++)
  • 第5节: Mip-NeRF 360:非线性场景参数化
  • 第6节: Mip-NeRF 360:在线蒸馏
  • 第7节: Mip-NeRF 360:基于失真的正则化器
  • 第8节: F2-NeRF:透视转换问题
  • 第9节: F2-NeRF:场景网格化表达
  • 第10节: F2-NeRF:基于哈希编码的小MLP网络架构
  • 第11节: F2-NeRF:透视采样问题
  • 第8章: 大场景NeRF
  • 第1节: Block-NeRF:如何合理放置每一块的Nerf
  • 第2节: Block-NeRF:单个模型的外观编码、位姿优化、曝光向量等
  • 第3节: Block-NeRF:多个模型的融合以及外观匹配
  • 第4节: Mega-NeRF:数据并行性的处理以及场景区域的分块处理
  • 第5节: Mega-NeRF:对NeRF++的改进
  • 第6节: Mega-NeRF:渲染技巧与采样技巧等

未注册验证后自动登录,注册/登录则视为同意

《服务协议》《隐私协议》

请完善资料,让我们更好的为您服务!

+86  (手机号已绑定)

未注册验证后自动登录,注册/登录则视为同意

《服务协议》《隐私协议》