《3D计算机视觉》！从点云到NeRF，多伦多大学CSC 2547课程全面讲解

转载机器之心机器之心编辑部2021 年冬季的 CSC 2547 课程已全部上线，公开可看。 随着神经渲染等方法的成熟，3D 计算机视觉领域也有了诸多进展。对于从事机器人、生物识别等方向的研究人员和从业者来说，掌握几何深度学习知识和 3D 计算机视觉的相关算法是非常必要的。 CSC 2547 是多伦多大学的一门课程，主要介绍了几何深度学习方法和 3D 视觉的最新进展。近期 2021 年冬季的 CSC 2547 课程已全部上线，课程视频和讲义资料均公开可看。 该课程首先讲解了物体和场景级别的 3D 视觉任务表征、学习算法和生成模型，然后介绍了与深度学习相关的几何深度学习和流形学习的概念。

课程链接：https://www.pair.toronto.edu/csc2547-w21/ 具体来说，该课程的主要内容包括：

• 以点云为输入的表征、学习和生成型深度学习；
• 可微分和神经渲染；
• 几何深度学习；
• 非欧几里得深度学习在计算机视觉之外的应用。

此外，该课程还重点讲解了近期热门研究方向——神经辐射场（NeRF）及其应用。 在学习 CSC 2547 这门课程之前，学生需要了解机器学习的基本概念、多变量微积分、线性代数和概率的基本知识，同时还要具备强大的 Python 编程技能。 以下是课程的部分目录：

讲师介绍

该课程的讲师是多伦多大学计算机科学系的助理教授 Animesh Garg，他也是英伟达的高级研究员。Animesh Garg 曾在伯克利人工智能研究院 (BAIR) 与 Ken Goldberg 一起工作，还曾与李飞飞、Silvio Savarese 一起在斯坦福人工智能实验室做博士后。 Animesh Garg 的研究目标是建立通用自主的算法基础，使机器人能够获得认知水平上的技能，并在新环境中与人类无缝交互和协作。他的研究专注于理解结构化归纳偏置和因果关系，以从不精确的信息中学习，实现人类推理的灵活性和效率。