这门课解决什么实际痛点
很多人对“三维视觉与AIGC”的理解，仍停留在使用现成软件生成静态3D图片的浅层阶段。但这门课的核心价值，在于填补学术研究与工业落地之间的技术断层。课程由Kant老师主讲，深度聚焦于神经辐射场（NeRF）、3D Gaussian Splatting以及多模态大模型在3D场景中的具体应用。对于从业者而言，真正的挑战并非调用API，而是理解如何从传统计算机视觉理论平滑过渡到最新AIGC技术，解决场景重建效率低下、语义信息缺失等实际工程问题。课程不教操作细节，而是直击底层逻辑，帮助读者建立从2D图像到3D场景的完整映射认知。如果你正处于算法研究的瓶颈期，或希望从基础的代码实现者转型为具备前沿视野的技术人员，这门课解决的是**技术栈迭代与认知升级**的根本问题。
门槛要求与最佳学习路径
**基础门槛**：
本课程适合具备计算机视觉、图形学或深度学习背景的研究员及工程师。预备知识包括：熟练掌握Python与PyTorch框架，理解反向传播与自动微分；掌握线性代数、矩阵运算及相机几何基础。完全没有代码能力或数学基础的初学者，直接跟进会有较大困难，建议先补齐前置技能。
**学习顺序建议**：
1. **建立宏观框架（先看第04次、05次内容）**：开班导论与核心概念梳理是入门关键。这部分帮助你建立对3D-AIGC整体技术栈的认知地图，明确各模块间的逻辑关系，避免后续学习时迷失在细节中。
2. **攻克硬核原理（重点研读第02次、03次）**：这是课程最核心的部分。需深入理解NeRF的体渲染机制及3D Gaussian Splatting的高效优化策略。建议暂停视频，反复推导数学公式，并尝试手写伪代码，确保真正理解其背后的物理意义与计算逻辑。
3. **拓展前沿应用（后看第01次、06次）**：在掌握原理后，通过案例研究了解学术前沿动态。重点关注这些技术如何应用于数字孪生、沉浸式交互等具体场景，将理论映射到实际业务需求。
学完能独立做什么及资料用法
完成课程后，你将具备以下独立工作能力：
* **复现与改进算法**：能够独立阅读并复现主流3D生成论文的核心理念，具备针对特定业务场景优化重建效果的能力。
* **解决性能瓶颈**：理解渲染质量与计算效率的权衡机制，能在资源受限的环境下选择合适的技术路线。
* **跟进学术前沿**：具备快速阅读顶会论文的能力，能追踪并评估新技术的落地可行性。
**资料配合练习建议**：
课程视频信息密度极高，严禁“只看不动”。务必**边看边整理笔记，特别是板书中的公式推导**。强烈建议准备具备NVIDIA显卡的开发环境，对视频中提到的关键代码进行本地复现与调试。不要满足于跑通Demo，要尝试修改参数观察效果变化。同时，结合课后推荐的学术文献进行延伸阅读，形成“视频理论-代码实践-论文深化”的闭环，这样才能将知识真正转化为职场竞争力。
课程目录
78805a221a988e7-125.png (16. 86 KB, ) 2024-12-5 18: 32 上传 ├──0、三维视觉与3D-AIGC的学术应用与研究1期（Kant老师） | ├──01_04次三维视觉与3D-AIGC学术应用与研究.mp4 106.39M | ├──02_03次三维视觉与3D-AIGC学术应用与研究.mp4 93.20M | ├──03_02次三维视觉与3D-AIGC学术应用与研究.mp4 105.53M | ├──04_01次三维视觉与3D-AIGC学术应用与研究.mp4 102.21M | ├──05_开班-三维视觉与3D-AIGC学术应用与研究.mp4 65.63M | ├──06_06次三维视觉与3D-AIGC学术应用与研究.mp4 102.24M | └──07_05次三维视觉与3D-AIGC学术应用与研究.mp4 106.09M ├──1、05【kaggle】3D图像重建匹配挑战赛 | ├──10_【06课】比赛复盘(直播2023-08-03).mp4 783.02M | ├──1_【必看】课前须知.html 11.63kb | ├──2_打造舒适的AI开发环境–软件篇2-3.mp4 445.23M | ├──3_打造舒适的AI开发环境–软件篇1.mp4 387.33M | ├──4_打造舒适的AI开发环境–硬件篇.mp4 327.41M | ├──5_【01课】2022图像匹配挑战赛top名次逐行代码讲解（一）(直播2023-05-19).mp4 742.25M | ├──6_【02课】2022图像匹配挑战赛top名次逐行代码讲解（二）(直播2023-05-26).mp4 628.67M | ├──7_【03课】2022图像匹配挑战赛top名次逐行代码讲解（三））(直播2023-05-31).mp4 479.55M | ├──8_【04课】新赛baseline讲解(直播2023-06-04).mp4 827.15M | └──9_【05课】2023图像匹配挑战赛top名次逐行代码讲解（一））(直播2023-06-19).mp4 384.51M ├──2、科研方法论研修班（全额版） | ├──10_【4月11日】第九节：论文修改和审稿反馈(直播2024-04-11).mp4 296.66M | ├──11_【4月16日】第十节：学术发表和学术生涯规划(直播2024-04-16).mp4 278.78M | ├──12_【4月18日】第十一节：老师点评、自我评价与答疑(直播2024-04-18).mp4 342.92M | ├──1_课件资料.html 0.52kb | ├──2_【3月12日】第一节：导论和学术科研概述(直播2024-03-12).mp4 452.04M | ├──3_【3月14日】第二节：研究主题选择和问题定义(直播2024-03-14).mp4 540.47M | ├──4_【3月19日】第三节：文献综述和相关工作(直播2024-03-19).mp4 500.41M | ├──5_【3月21日】第四节：实验设计和数据收集(直播2024-03-21).mp4 468.13M | ├──6_【3月26日】第五节：算法和模型选择(直播2024-03-26).mp4 293.38M | ├──7_【3月28日】第六节：实验实施和结果分析(直播2024-03-28).mp4 322.30M | ├──8_【4月2日】第七节：论文写作和结构学术(直播2024-04-02).mp4 361.88M | └──9_【4月9日】第八节：论文讨论和贡献(直播2024-04-09).mp4 377.20M ├──3、 02 Python · AI&数据科学入门 | ├──10_第五章-程序控制结构.mp4 105.31M | ├──11_【作业讲解】第五章：程序控制结构.mp4 33.72M | ├──12_第六章-函数-面向过程的编程.mp4 163.10M | ├──13_【作业讲解】第六章：函数.mp4 60.25M | ├──14_第七章-类-面向对象的编程.mp4 101.26M | ├──15_【作业讲解】第七章：类.mp4 40.29M | ├──16_第八章-文件、异常和模块.mp4 152.98M | ├──17_【作业讲解】第八章：文件、异常和模块.mp4 16.41M | ├──18_第九章-有益的探索.mp4 158.78M | ├──19_【作业讲解】第九章：有益的探索.mp4 38.57M | ├──1_【资料合集】代码、数据及课件下载地址.html 1.35kb | ├──20_第十章-Python标准库.mp4 113.29M | ├──21_【作业讲解】第十章：Python标准库.mp4 19.02M | ├──22_第十一章-科学计算库—Numpy应用.mp4 103.91M | ├──23_【作业讲解】第十一章：Numpy库.mp4 219.70M | ├──24_第十二章-Pandas库.mp4 187.64M | ├──25_【作业讲解】第十二章：Pandas库.mp4 203.79M | ├──26_第十三章-Matplotlib.mp4 126.60M | ├──27_【作业讲解】第十三章：Matplotlib.mp4 260.47M | ├──28_第十四章-Sklearn常规用法.mp4 72.58M | ├──29_【作业讲解】第十四章：Sklearn常规用法.mp4 334.61M | ├──2_第一章-绪论和环境配置.mp4 56.00M | ├──30_第十五章-再谈编程.mp4 90.97M | ├──3_【作业讲解】第一章：助教实际演示配置环境过程.mp4 228.98M | ├──4_第二章-Python-基本语法元素.mp4 147.03M | ├──5_【作业讲解】第二章：Python基本语法元素.mp4 381.40M | ├──6_第三章-基本数据类型.mp4 117.02M | ├──7_【作业讲解】第三章：基本数据类型.mp4 439.93M | ├──8_第四章-组合数据类型.mp4 119.98M | └──9_【作业讲解】第四章：复杂数据类型.mp4 591.05M ├──4、03深度学习PyTorch框架班 | ├──10_【第一周】计算图与动态图机制.mp4 59.30M | ├──11_【第一周】autograd与逻辑回归.mp4 98.33M | ├──12_【第一周】作业讲解1.mp4 105.52M | ├──13_【第一周】作业讲解2.mp4 137.57M | ├──14_【第一周】作业讲解3.mp4 110.23M | ├──15_【第二周】数据读取机制Dataloader与Dataset.mp4 84.57M | ├──16_【第二周】数据预处理transforms模块机制.mp4 80.96M | ├──17_【第二周】二十二种transforms数据预处理方法.mp4 176.31M | ├──18_【第二周】学会自定义transforms方法.mp4 195.78M | ├──19_【第二周】作业讲解.mp4 393.26M | ├──1_【严正声明】盗版必究！.html 25.37kb | ├──20_【第三周】模型创建步骤与nn_Module.mp4 88.64M | ├──21_【第三周】模型容器与AlexNet构建.mp4 95.69M | ├──22_【第三周】nn网络层-卷积层.mp4 107.06M | ├──23_【第三周】nn网络层-池化-线性-激活函数层.mp4 96.24M | ├──24_【第三周】作业讲解.mp4 223.34M | ├──25_【第四周】权值初始化.mp4 94.97M | ├──26_【第四周】损失函数（一）.mp4 161.04M | ├──27_【第四周】损失函数(二).mp4 166.41M | ├──28_【第四周】优化器optimizer的概念.mp4 101.97M | ├──29_【第四周】torch_optim_SGD.mp4 122.33M | ├──2_【招募】如何获得深度之眼奖学金和助学金？.html 69.35kb | ├──30_【第四周】作业讲解.mp4 247.42M | ├──31_【第五周】学习率调整策略.mp4 132.57M | ├──32_【第五周】TensorBoard简介与安装.mp4 62.01M | ├──33_【第五周】TensorBoard使用（一）.mp4 112.97M | ├──34_【第五周】TensorBoard使用（二）.mp4 174.08M | ├──35_【第五周】hook函数与CAM可视化.mp4 129.63M | ├──36_【第五周】作业讲解.mp4 350.27M | ├──37_【第六周】正则化之weight_decay.mp4 89.82M | ├──38_【第六周】正则化之Dropout.mp4 83.80M | ├──39_【第六周】Batch-Normalization.mp4 128.81M | ├──3_【必看】训练营学习指南.html 22.41kb | ├──40_【第六周】Normalizaiton_layers.mp4 92.05M | ├──41_【第六周】作业讲解.mp4 290.79M | ├──42_【第七周】模型保存与加载.mp4 65.88M | ├──43_【第七周】模型finetune.mp4 94.62M | ├──44_【第七周】GPU的使用.mp4 104.73M | ├──45_【第七周】PyTorch常见报错.mp4 92.58M | ├──46_【第七周】作业讲解.mp4 141.12M | ├──47_【第八周】图像分类一瞥.mp4 144.48M | ├──48_【第八周】图像分割一瞥.mp4 180.07M | ├──49_【第八周】图像目标检测一瞥（上）.mp4 126.49M | ├──4_【资料合集】课件及代码百度云盘下载地址.html 1.28kb | ├──50_【第八周】图像目标检测一瞥（下）.mp4 229.44M | ├──51_【第九周】生成对抗网络一瞥.mp4 160.12M | ├──52_【第九周】循环神经网络一瞥.mp4 102.81M | ├──5_【必看】深入浅出PyTorch.mp4 381.10M | ├──6_【第一周】PyTorch简介与安装.mp4 100.89M | ├──7_【第一周】补充-pytorch开发环境安装.mp4 896.21M | ├──8_【第一周】张量简介与创建.mp4 173.89M | └──9_【第一周】张量操作与线性回归.mp4 100.53M ├──5、《机器学习》西瓜书训练营 | ├──10_【第二周】多元线性回归公式.mp4 249.81M | ├──11_【第二周】对数几率回归公式.mp4 256.78M | ├──12_【第二周】学习sklearn中逻辑回归算法.html 3.76kb | ├──13_【第二周】本周学习内容总结.html 2.30kb | ├──14_【第二周】【作业讲解】逻辑回归.mp4 315.76M | ├──15_【第三周】决策树的分裂准则.mp4 249.96M | ├──16_【第三周】决策树的剪枝和连续值处理.html 2.93kb | ├──17_【第三周】sklearn包中决策树算法的使用.html 3.53kb | ├──18_【第三周】本周学习任务简单总结.html 6.65kb | ├──19_【第三周】【作业讲解】决策树.mp4 184.95M | ├──1_【严正声明】盗版必究！.html 25.37kb | ├──20_【第四周】支持向量机原始模型的建立和求解.mp4 129.08M | ├──21_【第四周】核函数和软间隔支持向量机.mp4 65.78M | ├──22_【第四周】sklearn包中svm算法的使用.html 3.71kb | ├──23_【第四周】本周学习任务简单总结.html 5.09kb | ├──24_【第四周】【作业讲解】SVM.mp4 797.78M | ├──25_【第五周】极大似然估计与朴素贝叶斯.mp4 353.44M | ├──26_【第五周】EM算法1.mp4 152.52M | ├──27_【第五周】EM算法2.mp4 184.73M | ├──28_【第五周】EM算法3.mp4 190.41M | ├──29_【第五周】sklearn包中的朴素贝叶斯算法的适用.html 3.09kb | ├──2_【招募】如何获得深度之眼奖学金和助学金？.html 69.35kb | ├──30_【第五周】本周学习任务简单总结.html 4.30kb | ├──31_【第五周】【作业讲解】贝叶斯和EM算法.mp4 162.43M | ├──32_【第六周】神经网络结构.mp4 265.25M | ├──33_【第六周】sklearn包中神经网络的使用.html 3.57kb | ├──34_【第六周】本周学习任务简单总结.html 5.20kb | ├──35_【第六周】【作业讲解】神经网络.mp4 61.80M | ├──36_【第七周】经验误差与过拟合.html 2.95kb | ├──37_【第七周】评估方法.html 2.71kb | ├──38_【第七周】性能度量.html 2.19kb | ├──39_【第七周】sklearn包中模型评估方法的使用.html 3.66kb | ├──3_【必看】训练营学习指南.html 22.41kb | ├──40_【第七周】本周学习任务简单总结.html 6.58kb | ├──41_【第七周】【作业讲解】模型评估与选择.mp4 102.96M | ├──42_【第八周】深度学习初探.html 2.99kb | ├──43_【第八周】特征降维.html 2.47kb | ├──44_【第八周】特征选择.html 2.34kb | ├──45_【第八周】sklearn包中特征选择和降维算法的使用.html 3.66kb | ├──46_【第八周】本周学习任务简单总结.html 5.15kb | ├──47_【第八周】【作业讲解】特征选择.mp4 129.09M | ├──48_【第九周】集成学习.html 2.59kb | ├──49_【第九周】结合策略.html 2.13kb | ├──4_【资料合集】课件下载合集.html 0.43kb | ├──50_【第九周】实验-lightGBM的使用.html 2.80kb | ├──51_【第九周】本周学习任务简单总结.html 3.48kb | ├──52_【第九周】【作业讲解】k-means.mp4 221.59M | ├──53_【第十周】聚类.mp4 249.70M | ├──54_【第十周】HMM-1.mp4 432.51M | ├──55_【第十周】HMM-2.mp4 211.78M | ├──56_【第十周】HMM-3.mp4 131.94M | ├──57_【第十周】实验-sklearn-user-guide-2_3_2.html 2.79kb | ├──58_【第十周】本周学习任务简单总结.html 4.02kb | ├──59_【第十一周】任务与奖赏.html 2.01kb | ├──5_赠送的【机器学习实战】–导读课+全套作业讲解+python代码.html 0.56kb | ├──60_【第十一周】学习任务简单总结.html 4.90kb | ├──61_【达观杯nlp比赛】第一节课-了解NLP任务和熟悉比赛题目-赛前介绍和准备.mp4 222.91M | ├──62_【达观杯nlp比赛】第二节课-了解NLP任务和熟悉比赛题目-赛题介绍和思路分析.mp4 318.16M | ├──63_【达观杯nlp比赛】第三节课-数据分析及处理.mp4 419.86M | ├──64_【达观杯nlp比赛】第四节课——Baseline实现.mp4 467.34M | ├──65_【达观杯nlp比赛】第五节课-验证集构建和交叉验证.mp4 509.14M | ├──6_【第一周】机器学习绪论.mp4 218.54M | ├──7_【第一周】本周学习任务简单总结.html 1.95kb | ├──8_【第二周】西瓜书公式推导学习指南.mp4 41.68M | └──9_【第二周】一元线性回归公式.mp4 198.63M ├──6、AI数学基础 | ├──10_【第一章-线性代数(上)】-8-矩阵的逆②.mp4 73.22M | ├──11_【第一章-线性代数(上)】-9-矩阵的逆③.mp4 59.65M | ├──12_【第二章-线性代数(下)】章节导读.mp4 20.16M | ├──13_【第二章-线性代数(下)】-1-矩阵的初等变换①.mp4 144.23M | ├──14_【第二章-线性代数(下)】-2-矩阵的初等变换②.mp4 52.40M | ├──15_【第二章-线性代数(下)】-3-矩阵的初等变换③.mp4 136.65M | ├──16_【第二章-线性代数(下)】-4-矩阵的初等变换④.mp4 55.87M | ├──17_【第二章-线性代数(下)】-5-矩阵的特征值与特征向量①.mp4 131.55M | ├──18_【第二章-线性代数(下)】-6-矩阵的特征值与特征向量②.mp4 89.17M | ├──19_【第二章-线性代数(下)】-7-矩阵的特征值与特征向量③.mp4 118.22M | ├──1_课件下载地址.html 0.61kb | ├──20_【第二章-线性代数(下)】-8-矩阵对角化以及二次型①.mp4 117.32M | ├──21_【第二章-线性代数(下)】-9-矩阵对角化以及二次型②.mp4 67.42M | ├──22_【第二章-线性代数(下)】-10-矩阵对角化以及二次型③.mp4 74.85M | ├──23_【第二章-线性代数(下)】-11svd分解的应用.mp4 126.86M | ├──24_【第三章-微积分】-01常用函数的导数以及到导数的常用公式.mp4 143.00M | ├──25_【第三章-微积分】-02-中值定理&洛必达法则&泰勒公式及应用.mp4 135.93M | ├──26_【第三章-微积分】-03-函数的凹凸性&函数的极值.mp4 269.34M | ├──27_【第三章-微积分】-04-不定积分.mp4 158.05M | ├──28_【第三章-微积分】-05-定积分.mp4 167.95M | ├──29_【第三章-微积分】-06-偏导数&多元函数复合求导法则链式求导法则.mp4 122.48M | ├──2_【第一章-线性代数(上)】章节导读.mp4 22.70M | ├──30_【第三章-微积分】-07-方向导数与梯度及其应用.mp4 301.30M | ├──31_【第三章-微积分】-08-多元函数泰勒公式与海森矩阵&多元函数的极值.mp4 211.21M | ├──32_【第三章-微积分】-09-矩阵的求导.mp4 240.84M | ├──33_【第三章-微积分】-10-矩阵的求导在深度学习中的应用.mp4 283.08M | ├──34_【第四章-概率论】-01随机实验样本空间随机事件&概率的定义.mp4 311.56M | ├──35_【第四章-概率论】-02全概率公式与贝叶斯公式及应用&独立性.mp4 224.80M | ├──36_【第四章-概率论】-03随机变量与多维随机变量.mp4 127.33M | ├──37_【第四章-概率论】-04期望与方差part1.mp4 114.72M | ├──38_【第四章-概率论】-05期望与方差part2.mp4 99.98M | ├──39_【第四章-概率论】-06参数的估计.mp4 132.48M | ├──3_【第一章-线性代数(上)】-1-矩阵及其基本运算①.mp4 75.41M | ├──40_【第五章-最优化】-1-无约束最优化梯度下降.mp4 120.30M | ├──41_【第五章-最优化】-2-无约束最优化梯度下降.mp4 108.41M | ├──42_【第五章-最优化】-3-约束最优化.mp4 93.26M | ├──4_【第一章-线性代数(上)】-2-矩阵及其基本运算②.mp4 114.70M | ├──5_【第一章-线性代数(上)】-3-矩阵的行列式①.mp4 79.50M | ├──6_【第一章-线性代数(上)】-4-矩阵的行列式②.mp4 96.72M | ├──7_【第一章-线性代数(上)】-5-矩阵的行列式③.mp4 82.06M | ├──8_【第一章-线性代数(上)】-6-矩阵的行列式④.mp4 20.34M | └──9_【第一章-线性代数(上)】-7-矩阵的逆①.mp4 111.38M └──7、人工智能代码0基础特训营 | ├──1_代码特训营资料合集.html 0.48kb | ├──2_【1月15日】模块一：transformer系列(直播2024-01-15).mp4 935.98M | ├──3_【1月17日】模块二：CV基础任务框架系列(直播2024-01-17).mp4 940.01M | ├──4_【1月19日】模块三：AIGC-图像生成系列(直播2024-01-19).mp4 785.32M | ├──5_【1月22日】模块四：LLM大语言模型系列(直播2024-01-22).mp4 840.17M | ├──6_【1月24日】模块五：多模态大模型系列(直播2024-01-24).mp4 858.87M | ├──7_【1月26日】模块六：激光雷达点云感知系列(直播2024-01-26).mp4 730.09M | └──8_【1月29日】作业讲解(直播2024-01-29).mp4 534.29M
