计算摄影学 ¶

CS 专业选修

课程学习内容 ¶

课程内容与《计算机视觉导论》和《计算机视觉》有很多重合，但相对 cv 更加深入，相对 cv 导论前沿内容少一些。课程内容主要为

概论与图像信息处理基础
- 第一周：整个学期课程内容概述
- 第二周：图像的数字化、颜色空间、滤波与频域变换
- 第三周：泊松图像编辑与交互式数字蒙太奇
ML, DL 与图像拼接技术
- 第四、五周：机器学习、深度学习基础
- 第六周：特征匹配与光流
- 第七周：全景图拼接
SLAM 与三维重建
- 第八、九周：相机模型，SLAM 与增强现实
- 第十、十一周：单视图 / 多视图三维重建
面向细化任务的杂谈
- 第十二周：图像缩放与补全
- 第十三周：图像上色
- 第十四周：图像去模糊，HDR 和虚拟视点合成

大的方向上，春学期的内容偏基础一些，主要用作小实验；冬学期的内容偏工程应用一些，很多都是面向论文 / 具体的工作而谈，基本上每个主题都对应一个大程的选题。第十五、十六周用于大程的 pre。

20 级的大程可选主题有：

Image Completion with Structure Propagation
Interactive Digital Photomontage
Multi-view 3D Reconstruction
Monocular Depth Estimation
Image Colorization
Style transfer for traditional Chinese paintings
Visual SLAM
Visual Localization

先修要求 ¶

如果临时学，零基础也能学。所有用到的基础都会简单地讲一遍，如果没有先修的话或许也能学会，只是要付出更多的精力。具体而言，这门课会用到（或重复教授）以下三门课的相关知识：

图像信息处理
计算机图形学
计算机视觉

但是有趣的是，以上三门课的知识重叠也是很大的。除了以上的专业知识，这门课还需要以下的基础能力：

C++ 与 oop
熟练的线性代数
一定的凸优化和微分方程基础（了解即可）

除了深度学习之外的所有小实验，以及大程的部分选题目前都是要求用 C++ 实现的，甚至部分实验会给出代码框架（如接口类）要求具体实现。

课程教材 ¶

无。面向前沿的专业课一般没教材，后期近于论文集。

分数构成 ¶

本门课程的评分分为 3 个部分，每个部分分数分配如下：

上课出勤与课程作业（50%）
- 5 次必做课程作业 + 1 次选做课程作业
- 必做作业常有 bonus，选作作业是纯 bonus
- 平时成绩最多加 3 分，但最多不能超过 50 分
- 偶尔会有签到，章国锋的课签到概率比较高，签到如何计入成绩暂时未知
项目设计和演示（40％）
- 据教学内容自选一个项目，完成算法和程序设计 ( 会提供程序框架和测试数据，学生只要按规定完成相应的模块即可 )，最后提交完整 demo 和项目报告
- 要求独立或分组合作完成，鼓励单刷，如果组队会有更高的要求
- 20 级只有单刷和 2 人队，每个项目会有 bonus，2 人队必做部分 bonus，单刷做了 bonus 可以加分
- 答辩后上交代码、报告以及 PPT 等材料
项目课堂答辩（10％）
- 期末最后两周答辩，各队确定选题上报助教，助教安排时间和次序
- 20 级每队答辩总时间 15 分钟左右，大约 3-5 分钟的时间用于老师提问
- 一周由章国锋老师评分，一周由周晓巍老师评分。zxw 比 zgf 的提问更切中要害，但是也很温柔。zgf 则会提醒你该怎么继续做以拿到高分（）
- 据观察，这部分高分可以达到 9/9.5 分，普通的也有 8/8.5 分，只有非常拉胯的才会只有 5/6 分

任课教师 ¶

由章国锋和周晓巍两位老师共同开设。

章国锋老师是无情的半个 PPT reader，因为他 PPT 也读得不是很流畅，听他的讲课会增大对 PPT 理解的难度（）但是 zgf 人很好，也很为学生着想，虽然喜欢签到但是急匆匆赶来（甚至课后才来的）都会给补签，也会偷偷介绍怎样可以拿高分。zgf 的学术水平也很不错，具体可以看他的 google scholar，在这里就不赘述了。

周晓巍老师是神。人比较温柔，讲课也引人入胜，能够把课程内容从细微之处到最前沿讲得清清楚楚，ai 的同学学过他的 cv 导论应该就非常清楚了。zgf 和 zxw 各讲一半的课，导致笔者一半的课学得很清楚，另一半学得迷迷糊糊。最后的大程，绝大部分同学选的也是 zxw 老师讲解的主题相关的大程（笑）

参考资料 ¶

理解三维重建可能需要一些多视图几何的知识，给出一本许多人推荐的参考书《计算机视觉中的多视图几何》，虽然笔者还没有看过。

Multiple View Geometry in Computer Vision, Richard Hartley Andrew Zisserman

学习建议 ¶

图像信息处理、计算机图形学、计算机视觉、计算摄影学算是 cs 的 cv & cg 方向的系列课程了，但是没学过前三门也没有关系，笔者只学了图形学和视觉两门课，学起来感觉压力也不大；也有同学只学了 cv，也觉得压力还好。但是如果只学过图像信息处理或者三门都没学过的同学，如果精力有限的话学这门课可能会有些吃力，毕竟是 4 学分大课，虽然相对同等 4 学分的课会轻松一些，但是该有的 workload 还是有的。

这门课的给分相当不错，从分数比例上就能看出来了。值得一提的是小作业就算迟交，迟交一天也只扣掉小作业单次满分 100 中的 2 分，迟交 10 天就会冻结止损。也就是说，哪怕你期末才交小作业，你的小作业的基本分还是能达到 80，更何况几乎每次小作业都有 bonus 可以往上加分，还有选做作业可以加分。平时分很容易满的，再好好做做大程就行。

从学习角度，zxw 的讲课十分不错，你能在一半的时间获得极致的体验。当然你也可以选择 ai 的 cv 导论课，体验只会更好。另外笔者本人在实验的过程中感到对 ML, DL 以及凸优化的理解更加深入了，并在大程中注意到了长足的进步，总体感觉还是不错的。