知识体系整理

知识体系

本章内容是对博客所有文章的梳理和汇总，成体系的介绍了博客涉及的内容和未来博客的方向，由于专业方向的原因，博客内容主要是三维视觉领域方面，深度学习相关的博客只涉及到与三维视觉相关的网络如（BEV、Occpancy）和一些深度学习方面的基础知识，特别深入的深度学习专业知识不会涉及，主打一个会用就行。

每个领域的博客按照博客讲解知识的程度分为精通、熟悉、了解三种类别。分别表示博客内容的深度和广度。精通类别的博客涵盖了特定领域的深入知识，适合那些希望深入学习的读者。熟悉类别的博客提供了一定的了解，可以作为进一步学习的起点。而了解类别的博客则为初学者提供了基础知识，帮助他们建立起对相关领域的初步认识。这种分类方式有助于读者根据自己的需求和知识水平选择合适的博客内容进行学习和探索。

1. 深度学习

深度学习基础

BEV网络到占用网络

大语言模型（LLM）

2. 三维视觉

作为计算机图形学的一个子领域，专注于从视觉数据中提取和处理三维空间信息。三维重建、SLAM、SFM、MVS 以及逆渲染都可以被视为三维视觉的应用或技术。

2.1 计算机图像学（基础框架）

这是一个基础领域，计算机图形学涉及生成和处理计算机生成图像的所有方面。涵盖了包括体渲染和逆渲染在内的多个子领域和技术。

体渲染

体渲染是计算机图形学中的一种技术，用于在三维数据空间内可视化体积数据。这种技术在医学成像、科学可视化等领域中非常重要。

逆渲染

逆渲染是计算机图形学的一个高级领域，涉及从图像中推断场景的物理属性，如光照、反射特性和几何结构。逆渲染在图像理解、计算机视觉和图形学中占据重要地位。

2.2 同步定位与建图（SLAM）

SLAM 是一种结合三维视觉和机器人技术的方法，用于同时进行定位和地图构建。

2.3 三维重建

这是一个专注于从视觉数据中重建三维场景或物体的领域，依赖于三维视觉和计算机图形学的技术。

运动结构恢复（SFM）

SFM 是三维重建的一个子领域，通过分析一系列二维图像来重建三维结构。

多视图立体匹配（MVS）

MVS 是用于从多个视角的图像重建精细三维模型的技术，属于三维重建的范畴。

Changelog