图像三维重建学习与写作计划
个人学习与写作计划，覆盖从经典 SfM 到现代深度方法的完整体系。
计划概览
本计划分为两条线：
- 工作中经典内容复盘：已经熟悉的 SfM、MVS、Poisson 重建等。
- 新技术深度学习：想深入理解的 NeRF、3DGS、MVSNet、深度估计等。
写作策略：
- 螺旋式写作：先每个主题写一篇概览文章，再逐步增加细节、实验、代码示例。
- 每周至少完成一篇文章或一个小主题的深入理解笔记。
主题列表与 Placeholder
特征提取与匹配
图像检索
图像匹配
两视图几何
增量式 SfM
全局 SfM
Bundle Adjustment (BA)
Stereo 匹配
MVS
表面重建
纹理映射
Mesh 简化与 LOD
现代深度方向
甘特图 (Mermaid)
%%{init: {"gantt": {"axisFormat": "%m/%d", "width": 1200}}}%%
gantt
title 2025最后的学习写作计划
dateFormat YYYY-MM-DD
section 新技术学习
3DGS 入门 :d1, 2025-10-20, 7d
3DGS 深入理解 :d2, 2025-10-27, 7d
NeRF 入门 :d3, after d2, 7d
NeRF 深入理解 :d4, after d3, 7d
MVSNet 入门 :d5, after d4, 7d
MVSNet 深入理解 :d6, after d5, 7d
深度估计 入门 :d7, after d6, 7d
深度估计 深入理解 :d6, after d7, 7d
计划模板
阶段 0：准备阶段（Day 0）
-
检索论文资源（PDF、代码、相关引用）
-
做初步阅读，了解论文的大致贡献和结构
-
生成任务清单：比如理解网络结构、损失函数、训练数据、实验结果
阶段 1：精读论文（Days 1~3）
-
Day 1：阅读 Introduction + Related Work
-
目标：弄清研究背景、动机
-
写作任务：摘要 100~200 字
-
-
Day 2：阅读方法部分（网络结构 + 核心算法）
-
目标：理解模型输入输出、流程
-
写作任务：画流程图 + 写文字说明
-
-
Day 3：阅读实验与讨论
-
目标：理解结果、优缺点、对比方法
-
写作任务：总结实验发现，列出表格或图
-
阶段 2：动手实验或伪代码（Days 4~5）
-
如果可以跑代码，尝试小规模实验
-
或写伪代码实现核心流程
-
写作任务：在文章中加入实验结果或示意代码
阶段 3：整理成文章（Days 6~7）
-
把每天写的小块内容整合成完整文章
-
加上图、表、关键公式
-
最终文章结构：
-
研究动机
-
方法概述
-
核心算法/网络结构
-
实验与分析
-
总结与启发
-
阶段 4：复盘 & 知识积累（可选，Day 8）
-
做思维导图或流程图，总结 MVSNet 主要知识点
-
为下一篇论文打基础
-
写作任务：在笔记中记录易混淆点、改进想法