耶魯科研課題

基于圖像的三維虛擬現實內容生成

課題簡介

計算機圖形學（英語：computer graphics，縮寫為CG）是研究計算機在硬件和軟件的幫助下創建計算機圖形的科學學科，是計算機科學的一個分支領域，主要關注數字合成與操作視覺圖形的相關內容。計算機圖形學包括了二維和三維圖形、圖像和視頻的處理與繪制等內容，目前在人工智能、虛擬現實和增強現實的潮流中迎來了又一波高速發展。

在計算機圖形學和計算機視覺中，基于圖像的建模和渲染（IBMR）方法需要先從場景的二維圖像來生成三維模型，然后才能呈現出該場景的新視圖。計算機圖形學的傳統方法已被應用于在三維中創建幾何模型，并嘗試將其重新映射到二維圖像上。 相反，計算機視覺主要集中在檢測、分組和提取給定圖片中的特征（邊緣，面部等），然后嘗試將它們解釋為三維線索。 基于圖像的建模和渲染可以使用多個二維圖像直接生成新穎的二維圖像，跳過手動建模階段，比傳統方法更為便捷和人性化。

例如，全景照片為公眾提供了全新的視角，促使相關的相機和拍照軟件（如RICOH Theta、微軟Photosync）吸引了越來越多的用戶。但是，全景圖的表現形式仍然有待探索。

在本項目中，我們基于最新的研究成果，將全景圖片和常規圖片通過幾何上的算法處理后，重建出一個三維場景。本項目有著較為廣闊的應用場景，可以應用于在魔方上渲染全景圖、創造虛擬現實場景、制作立體插畫冊等方面。

科研方法

AI＋X數據驅動型科研

使用人工智能（AI）算法，收集、處理、分析具體學科（X）的海量數據，并基于此進行預測，從而獲得科學發現的研究方法。與傳統的、基于實驗或邏輯推理的研究方式相比，AI＋X數據驅動型科研可以借助AI算法強大的運算能力，高效地進行大數據分析，具有投入產出比高、適用范圍廣的優點。

AI＋X數據驅動型科研已被廣泛地應用于各個領域，利用AI算法研究基因數據，從而進行早期的癌癥篩查便是其中一例。基因組與癌癥病患的數據千千萬萬，使用傳統的科研方式對其進行分析，工程量大、過程繁瑣，在客觀上難以實現。

但借助AI算法這一便捷的工具，生命科學家便能夠以海量的患者的遺傳信息為基礎，建立數據庫，與過往的研究成果進行對照，快速、準確地在兩者中發現規律、建立聯系，從而使癌癥診斷的“標準化”成為可能。

---

課題要求

本課題適合： 9-12 年級學生，有較強的邏輯思維和抽象思維能力：

英文：

具備基本的學術英語閱讀能力；
接觸過英文寫作，有論文寫作經驗者更佳；

數學：

線性代數基礎；
概率統計基礎知識；

計算機

Python編程基礎
Matlab基礎，包括圖像處理工具庫

以上就是關于【耶魯科研課題：基于圖像的三維虛擬現實內容生成】的解答，如需了解學校/賽事/課程動態，可至翰林教育官網獲取更多信息。

往期文章閱讀推薦：

貝賽思進度太快怕掉隊？翰林校內同步班課重磅推出，長期小班穩節奏

從羅馬帝國到新冠先驅：TCR 歷史期刊收錄主題揭秘，為什么這項投稿值得深耕？