該課程介紹計(jì)算機(jī)視覺(jué)的概念和應(yīng)用。主題包括：相機(jī)和投影模型、低層次的圖像處理方法，如濾波和邊緣檢測(cè)，中等層次的視覺(jué)處理，如分割和聚類，以及高層次的視覺(jué)處理，如物體識(shí)別、場(chǎng)景識(shí)別、人臉檢測(cè)和人體運(yùn)動(dòng)分類和三維重建等。需要的基礎(chǔ)知識(shí)有：線性代數(shù)、基本概率和統(tǒng)計(jì)。

https://github.com/dianyunPCL/multi_view_geometry/tree/master/cs231a-notes

      這是一門研究生水平的課程，涵蓋計(jì)算機(jī)視覺(jué)和機(jī)器學(xué)習(xí)中使用的幾何相關(guān)內(nèi)容的核心概念和算法。課程講師是Hao su ,主要介紹幾何微分的概念、計(jì)算機(jī)幾何圖形學(xué)、視覺(jué)和機(jī)器學(xué)習(xí)中的應(yīng)用，特別是深度學(xué)習(xí)部分。其中一半是講師授課，一半是學(xué)生完成項(xiàng)目的演示，非常值得學(xué)習(xí)。需要的基礎(chǔ)知識(shí)：線性代數(shù)、優(yōu)化、機(jī)器學(xué)習(xí)等基礎(chǔ)知識(shí)。

https://github.com/dianyunPCL/deep_learning-point-cloud/tree/master/UCSD%20CSE291-I00%20Machine%20Learning%20for%203D%20Data

      該課程將探討在3D數(shù)據(jù)分析和合成方面，有監(jiān)督和無(wú)監(jiān)督機(jī)器學(xué)習(xí)的最新算法。在簡(jiǎn)單介紹幾何基礎(chǔ)和表示方法之后，重點(diǎn)介紹將機(jī)器學(xué)習(xí)方法用于3D形狀分類、分割和對(duì)稱檢測(cè)，以及新的形狀合成。以及研究點(diǎn)云或幾何圖形形式數(shù)據(jù)的深層神經(jīng)架構(gòu)，和將語(yǔ)義信息與對(duì)象模型關(guān)聯(lián)的架構(gòu)。最后將介紹三維形狀設(shè)計(jì)的生成模型，例如生成自適應(yīng)的對(duì)抗網(wǎng)絡(luò)（GANs）。課程的數(shù)據(jù)源包括公共三維模型庫(kù)（如Trimble 3D Warehouse或Yobi3D）和標(biāo)記的語(yǔ)義信息的數(shù)據(jù)庫(kù)（如ShapeNet）。

http://graphics./courses/cs468-17-spring/

      該課程介紹分析幾何數(shù)據(jù)所需的數(shù)學(xué)、算法和統(tǒng)計(jì)工具，以及在計(jì)算機(jī)圖形學(xué)、計(jì)算機(jī)視覺(jué)、醫(yī)學(xué)成像、機(jī)器學(xué)習(xí)、建筑等領(lǐng)域的應(yīng)用。包括了：微分幾何的應(yīng)用介紹；曲率的離散概念；通過(guò)有限元方法（FEM）和離散外部微積分（DEC）等

https://github.com/dianyunPCL/deep_learning-point-cloud/tree/master/MIT%206.838%20Shape%20Analysis

三維數(shù)據(jù)數(shù)據(jù)庫(kù)在計(jì)算機(jī)圖形學(xué)、計(jì)算機(jī)輔助設(shè)計(jì)、分子生物學(xué)、古生物學(xué)和醫(yī)學(xué)等多個(gè)領(lǐng)域變得越來(lái)越普遍。本課程將學(xué)習(xí)幾何分析和從這些數(shù)據(jù)庫(kù)中檢索三維形狀的算法。研究的重點(diǎn)將是匹配、配準(zhǔn)、識(shí)別、分類、聚類、分割和理解3D數(shù)據(jù)的方法。

https://github.com/dianyunPCL/deep_learning-point-cloud/tree/master/Princeton%20CS597%20Geometric%20Modeling%20and%20Analysis

      在過(guò)去的十年中，深度學(xué)習(xí)方法（例如卷積神經(jīng)網(wǎng)絡(luò)和循環(huán)神經(jīng)網(wǎng)絡(luò)）允許在各種不同領(lǐng)域（例如計(jì)算機(jī)視覺(jué)和語(yǔ)音識(shí)別）產(chǎn)生的廣泛?jiǎn)栴}上實(shí)現(xiàn)前所未有的性能。盡管獲得了這些結(jié)果，但迄今為止，對(duì)DL技術(shù)的研究主要集中在歐幾里得域（即網(wǎng)格）上定義的數(shù)據(jù)上。然而，在許多不同的領(lǐng)域，例如：生物學(xué)、物理學(xué)、網(wǎng)絡(luò)科學(xué)、推薦系統(tǒng)和計(jì)算機(jī)圖形學(xué)；人們可能需要處理非歐幾里得域（即圖形和流形）上定義的數(shù)據(jù)。直到最近，在這些特定領(lǐng)域采用深度學(xué)習(xí)的做法一直滯后，主要是因?yàn)閿?shù)據(jù)的非歐幾里得性質(zhì)使得基本運(yùn)算（如卷積）的定義變得相當(dāng)難以捉摸。幾何深度學(xué)習(xí)從這個(gè)意義上講是將深度學(xué)習(xí)技術(shù)擴(kuò)展到圖形/流形結(jié)構(gòu)數(shù)據(jù)。

http:///