课程介绍

在影视、游戏、制造、自动驾驶与具身智能等场景中，真实传感数据与可用三维对象之间存在显著落差，需要以数据驱动的智能方法弥合。近年来，深度学习、可微渲染与神经场（如 NeRF、3D Gaussian Splatting）的发展，推动了智能三维重建的研究与应用的持续演进，：从多视角几何与稠密匹配，到 NeRF 辐射场，再到 3D Gaussian Splatting（3DGS）及其与 SLAM、生成式与多模态模型的融合。重建的速度、质量与可扩展性显著提升。

课程面向对图形学与三维视觉感兴趣的同学，按"几何—材质—辐射场"三大专题梳理表示与算法，并结合工程案例。教学采用"论文研读+问题驱动"的方式：教师提出导向性问题，学生分组阅读经典论文并在论文研读。项目实践要求自采校园多视角数据，选择 3DGS 或其他方法完成重建与评测，并可探索语义理解、重光照与真实感渲染等扩展方向，培养完整工程能力与研究思维。

课程信息

教师

过洁，李元琪

授课对象

南京大学研究生

授课地点

仙Ⅰ-116

授课时间

周一 9-10 节

教学内容

• 专题一 | 几何重建与三维表示
• 专题二 | 材质与外观建模
• 专题三 | 辐射场与 3D Gaussian Splatting

分数组成

论文研读

50%

项目实践

50%

论文研读

课程将提供经典论文清单，涵盖三维重建领域的重要研究工作。学生需要深入阅读论文，理解其技术贡献与创新点。完成论文研读后，学生可在课堂展示（Presentation）与书面报告中二选一完成考核要求。

推荐选择课堂展示形式，以培养学术交流与表达能力。若选择展示的同学数量不足，将随机抽取部分同学准备展示内容。

课堂展示（Presentation）

学生单人进行论文展示，需对所选论文进行深入解读，重点阐述技术方法、实验设计与结果分析。展示应结合个人理解与思考，鼓励批判性讨论。

展示时长

10分钟 + 2分钟问答

论文选择

从提供清单中自选

书面报告

学生单人针对所选论文撰写深度分析报告，要求从技术原理、方法创新、实验验证等多个维度进行综合评述，并结合个人见解提出改进思路或应用前景分析。

截止日期

待定（期末周结束后）

格式要求

A4、单栏、1.5倍行距、4-6页

提交方式

发送至助教邮箱 m13840374027@163.com

项目实践

学生两人一组合作完成一个小型实践项目，从数据采集开始，对校园任选区域进行 3D Gaussian Splatting 重建。

（具体实施形式待定，课程可能提供必要的数据采集设备。项目将涵盖完整的三维重建流程，包括数据采集、预处理、3DGS训练与评测等环节。）