课程价格 ：
¥899.00
剩余名额
0
-
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
- 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2章: NeRF基础知识：全连接神经网络与优化算法
- 第1节: 全连接神经网络（文档）
- 7：【资料】全连接神经网络.pdf
- 第2节: 深度学习中的常见优化算法
- 8-1：【课件】深度学习中的优化算法.pdf
- 8-2：【视频】常见优化算法
- 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
