文章目录
- 零、最近感受和前言
- 一、使用能够快速得到重建初始化的方法
-
- 1.1 Colmap（多视角）
- 1.2 深度估计（单视角）
- 二、已知形状模板
-
- 2.1 人脸
- 2.2 人体
- 2.3 动物
- 三、刚性与非刚性约束（变形约束）
-
- 3.1 刚性变形
- 3.2 非刚性变形
- 四、统计（深度学习）先验——从大量（3D）数据中提取信息作为先验
-
- 4.1 3D数据的形式
- 4.2 先验信息的形式
- 4.3 NeRF训练小tips
- 五、结构化先验——场景
-
- 5.1 对称性先验
- 5.2 共面性与平行性
- 5.3 边缘和角点信息
- 六、分割引导重建——NTO3D: Neural Target Object 3D Reconstruction with Segment Anything
- 七、基于形状模板的重建——Tex2Shape: Detailed Full Human Body Geometry From a Single Image
-
- 7.1 Tex2Shape: Detailed Full Human Body Geometry From a Single Image
-
- 7.1.1 数据集
- 7.2 Neural Head Avatars from Monocular RGB Videos
- 九、多视角（单视角）图片训练NeRF——HeadNeRF: A Real-time NeRF-based Parametric Head Model
-
- 9.1 pipeline
- 十、疑惑点
零、最近感受和前言
刚刚一个小时，我也就是按照老师最近接手的项目和我目前的研究方向进行结合。（说实话，一开始，我也不知道怎么结合，然后我就扔给了deepseek），大概给了4个创新点（其实能用的，就只有一个）。然后，我发现，我的研究生毕业论文的三个创新点，已经找到了（一个是我现在正在做的，一个是刚刚deepseek提到的对项目场景的重建，还有一个就是文本信息的使用-大模型使用-的重建）。
对，我非常震惊的发现，我的毕业论文三个创新点都找到了，并且都可以发小论文，也就是三个小论文。然后，我想了想，为什么我能这么快的找到创新点？我发现有两个点：第一个就是对你所在的技术领域要熟悉（比如：要知道这个领域的发展现状，有哪些的成熟的方向），第二个就是从项目中提炼出科学问题（科学问题–>研究内容–>技术方法）–就是像我那个博导亲戚说的那样，从项目中提取科学问题。至此，我只能说，绝了。对于提炼的科学的问题，用你的技术去解决，这就是一篇小论文了。
idea提升
怎么搭建pipeline+怎么利用预训练模型训练出的东西可以提升重建质
