谭平专题

【课程笔记】谭平计算机视觉（Computer Vision）[5]：反射和光照 - Reflectance Lighting

课程链接（5-1）：课程链接（5-2）： radiance的影响因素（辐射强度）光源材质、反射局部形状反射计算机视觉中主要考虑反射 BRDF(Bi-directional reflectance distribution function) BRDF假设(local assumption)：反射只和此点接收到的光有关，忽略了半透明、荧光等这个假设导致依靠BRDF模型建立的人皮

【课程笔记】谭平计算机视觉（Computer Vision）[4]：辐射校准高动态范围图像 - Radiometric Calibration HDR

视频地址链接预备知识 radiance:单位面积单位时间单位方向角发出去的能量 irradiance:单位：功率/平方米；单位面积单位时间接收的能量 ISP: image signal processor 白平衡：人眼会自动滤过白炽灯、日光灯、节能灯下对物体的附加颜色，然而相机没有此功能，因此相机具有矫正功能。 vignetting：对于白墙拍照，一般是中间亮周边暗。边缘上光线散开的效果，

港科大谭平团队突破3D生成领域关键性问题

来源：机器之心生成模型在图像生成领域取得了巨大的成功，但将这一技术扩展到 3D 领域一直面临着重重挑战。典型的多头怪问题，即文本生成3D中多视角一致性问题，一直得不到很好的解决。谭平团队最新的研究论文都致力于解决这一基础问题，为这一领域带来了突破和创新。谭平博士是香港科技大学电子与计算机工程系教授。他曾经担任阿里巴巴达摩院XR实验室负责人，人工智能实验室计算机视觉首席科学家。于近期创立公司光

浙江大学谭平计算机视觉SLAM课程上课笔记：04反射和光照（对应B站P5,P6）

4.反射和光照声明：本笔记仅为当堂记录的笔记，有些东西不对或者是没有逻辑，仅仅是按照PPT的顺序罗列为方便复习。声明：本笔记仅为当堂记录的笔记，有些东西不对或者是没有逻辑，仅仅是按照PPT的顺序罗列为方便复习。 radience是发光的意思，一个像素值被一下几个方面决定：光源（方向和光强）：点光源，方向光源物体的材料反射属性局部的形状（主要是局部的朝向）各种各样

Vision Course（谭平）学习笔记

目录 Course1 & 2 Introduction and CameraCourse 3 ColorRadiometric Calibration and HDR特别说明浙江大学教授谭平计算机视觉学习笔记分享 Course1 & 2 Introduction and Camera Course 3 Color Radiometric Calibration

浙江大学谭平计算机视觉SLAM课程上课笔记：02颜色（对应B站P3）

2.Color颜色声明：本笔记仅为当堂记录的笔记，有些东西不对或者是没有逻辑，仅仅是按照PPT的顺序罗列为方便复习。声明：本笔记仅为当堂记录的笔记，有些东西不对或者是没有逻辑，仅仅是按照PPT的顺序罗列为方便复习。 1.人如何感知颜色：视网膜上三种视锥细胞（红绿蓝） 2. 还有柱状细胞也是感受光线。在昏暗的时候可以感受光线。所以极光肉眼看其实很难看，并没有照片中的美感。

浙江大学谭平计算机视觉SLAM课程上课笔记：05滤波器（对应B站P7）

5.滤波器声明：本笔记仅为当堂记录的笔记，有些东西不对或者是没有逻辑，仅仅是按照PPT的顺序罗列为方便复习。声明：本笔记仅为当堂记录的笔记，有些东西不对或者是没有逻辑，仅仅是按照PPT的顺序罗列为方便复习。逐渐进入图像处理的部分。用一个领域的平均像素来替换中心像素一个是高斯filter，一个是Box filter 空域不变，Box Filter是最简单的。高斯的F

谭平老师-SLAM课程要点记录-SLAM

内容链接地址 bilibili视频链接 ppt链接，提取码： gk29 LiDAR SLAM 2D LiDAR的结构 2D雷达只能表示一个平面上的东西，如果有上下坡就无法表示。地图的表示占据栅格地图：另外还有灰色的，表示unknown。位姿估计 ICP：例如 X = { x 1 , x 2 , x 3 , . . . , x n } X=\{x_{1},x_{2},x_

【课程笔记】谭平计算机视觉（Computer Vision）[2]：相机 - Camera

视频链接：https://v.youku.com/v_show/id_XNDA5Mzg2ODc5Ng==.html?spm=a2hzp.8253869.0.0 文中截图也来自视频相机结构及参数相机的小孔成像（针孔相机）丢失了距离信息场景中的角度信息平行线相交长度改变真实相机（有镜头，并非针孔）孔太大，会造成模糊；孔太小，光线进入较少，需较长的曝光时间故使用棱镜（凸透镜）聚

谭平老师-SLAM课程要点记录-SfM

内容链接地址 bilibili视频链接 ppt链接，提取码： gk29 Structure‐from‐Motion Structure = 3D点云 Motion = 相机位置和姿态 SFM = 运动中的相机恢复出整个场景 SfM的输入与输出输入：带有关联特征的图像（特征检测和匹配已经做得很好了）， p i , j = ( u i , j , v i , j ) p_{i,j}=(u_

谭平老师课——相机模型

RANSAC：选出最大的inlier的集合。做模型拟合离不开这个算法。(RANSAC为Random Sample Consensus的缩写，它是根据一组包含异常数据的样本数据集，计算出数据的数学模型参数，得到有效样本数据的算法。它于1981年由Fischler和Bolles最先提出) 思想：随机挑最少的点去拟合，然后评价这次拟合的怎么样选出投票数最多的模型，选出符合这个模型的点为inlier

教授专栏87 | 谭平: 突破3D生成领域关键性问题

文 / 谭平教授生成模型在图像生成领域取得了巨大的成功，但将这一技术扩展到 3D 领域一直面临着重重挑战。典型的多头怪问题，即文本生成3D中多视角一致性问题，一直得不到很好的解决。本研究团队最新的研究论文都致力于解决这一基础问题，为这一领域带来了突破和创新。论文原文地址：https://arxiv.org/abs/2310.03602 团队和腾讯、华南理工共同合作的SweetDreamer

【课程笔记】谭平计算机视觉（Computer Vision）[3]：颜色 - color

视频链接：https://v.youku.com/v_show/id_XNDA5OTY0ODAwNA==.html?spm=a2h0j.11185381.listitem_page1.5!28~A 人怎样感知颜色光谱上能量分布，人的感知人体有三种锥形Cones细胞感知红绿蓝光；还有一种柱形Rods细胞，在黑暗情况下更容易感知光。（也就是极光在相机下很漂亮，而人眼在暗光下很难看出颜

【课程笔记】谭平计算机视觉（Computer Vision）[6]：过滤器 - Filter

课程链接（6）：过滤器图像过滤器软阴影（soft shadow）的制作将字做高斯模糊，然后通过一个平移就可出现软阴影效果边缘提取（Detecting edges） Edge就是跳跃的地方但实际上，噪声的影响很大，因此要滤波求梯度也是一种滤波（都是核不同而已）非极大值抑制（使提取的边更细）高斯滤波高斯滤波去掉了噪声，但是阶跃也变得平滑模糊双边滤波增加了另一个域（

【课程笔记】谭平计算机视觉（Computer Vision）[5]：反射和光照 - Reflectance Lighting

课程链接（5-1）：课程链接（5-2）： radiance的影响因素（辐射强度）光源材质、反射局部形状反射计算机视觉中主要考虑反射 BRDF(Bi-directional reflectance distribution function) BRDF假设(local assumption)：反射只和此点接收到的光有关，忽略了半透明、荧光等这个假设导致依靠BRDF模型建立的人皮

浙江大学谭平计算机视觉SLAM课程上课笔记：03辐射度标定-HDR（对应B站P4）

3.辐射度标定-HDR 声明：本笔记仅为当堂记录的笔记，有些东西不对或者是没有逻辑，仅仅是按照PPT的顺序罗列为方便复习。声明：本笔记仅为当堂记录的笔记，有些东西不对或者是没有逻辑，仅仅是按照PPT的顺序罗列为方便复习。光的强度是如何转化为一个像素值的。像素42是怎么来的 Radiance: 单位面积单位时间接受到的能量 Irradiance: 单位面积单位时间单位空间角接

【课程笔记】谭平计算机视觉（Computer Vision）[4]：辐射校准高动态范围图像 - Radiometric Calibration HDR

视频地址链接预备知识 radiance:单位面积单位时间单位方向角发出去的能量 irradiance:单位：功率/平方米；单位面积单位时间接收的能量 ISP: image signal processor 白平衡：人眼会自动滤过白炽灯、日光灯、节能灯下对物体的附加颜色，然而相机没有此功能，因此相机具有矫正功能。 vignetting：对于白墙拍照，一般是中间亮周边暗。边缘上光线散开的效果，

【课程笔记】谭平计算机视觉（Computer Vision）[7]：交互式分割图形切割 - Interactive Segmentation Graph-Cut

课程链接（7）： Semi-automated Segmentation 从图片中切割某个区域 – 相近的颜色 – 与背景颜色差异大图片网格化主要方法是用网格来表示图片把image当做graph来对待把分割看为二分类问题——前景和背景问题定义label来进行cost最优化寻找一个赋值，使得cost最小，即为最优分割，这就是求解目标 Max Flow & Min cut