课程核心内容与结构 - 课程旨在提供一套全面的3D高斯泼溅技术学习路线图，从原理到实战，帮助学员掌握3DGS技术栈 [2] - 课程由自动驾驶之心联合工业界算法专家设计，历时两个月开发 [2] - 课程采用离线视频教学，配合VIP群答疑及三次线上答疑，开课时间为12月1日，预计两个半月结课 [13] 讲师背景 - 讲师Chris拥有QS20硕士学位，现任某Tier1厂商算法专家 [3] - 讲师从事端到端仿真、多模态大模型、世界模型等前沿算法的预研和量产，并参与过全球TOP主机厂的仿真引擎及工具链开发 [3] - 讲师拥有丰富的三维重建实战经验 [3] 课程大纲详解 - **第一章：3DGS的背景知识**：概述计算机图形学基础，包括三维空间的隐式/显式表达、渲染管线、光线追踪、辐射场渲染，并介绍COLMAP、SuperSplat、Gsplat等开发工具，附带基于3D Real Car训练模型的小作业 [6] - **第二章：3DGS的原理和算法**：详细梳理3DGS原理及核心伪代码，讲解动态重建、表面重建、鱼眼重建和光线追踪的经典与最新算法，实战部分使用英伟达开源的3DGRUT框架 [7] - **第三章：自动驾驶3DGS**：聚焦自动驾驶仿真重建，讲解浙大Street Gaussian、上交OmniRe和浙大Hierarchy UGP三篇工作，实战使用学术界和工业界广泛采用的DriveStudio [8] - **第四章：3DGS重要的研究方向**：探讨COLMAP扩展、深度估计及Relighting等研究方向，并分析其工业界应用与学术前景 [9] - **第五章：Feed-Forward 3DGS**：梳理前馈3DGS的发展历程与算法原理，讲解最新的AnySplat和WorldSplat算法工作 [10] - **第六章：答疑讨论**：通过线上交流形式，讨论3DGS岗位需求、行业痛点及开放性问题 [11] 课程面向人群与学后收获 - **面向人群**：课程要求学员自备GPU，推荐算力在4090及以上，并具备计算机图形学基础、对视觉重建/NeRF/3DGS有一定了解、有概率论与线性代数基础、熟悉Python和PyTorch [15] - **学后收获**：学员将掌握3DGS完善的理论知识及相关技术栈、掌握算法开发框架并能训练开源模型、可与学术界及工业界同行持续交流，对实习、校招、社招均有助益 [15] 行业技术动态与课程关联 - 前馈3DGS是当前热门方向，旨在克服传统“per-scene optimization”的不便，但其在点云精度上仍有不足，尤其在私有数据域上精度不稳定 [2] - 课程内容紧密联系行业前沿，如第三章聚焦自动驾驶仿真，第五章专门探讨Feed-Forward 3DGS [8][10]