docs: 更新计算机视觉导论相关内容，新增计算机图形学内容 (#208)

docs/major_elective/computer_graphics/index.md

@@ -0,0 +1,60 @@
+# 计算机图形学
+<div class="badges">
+<span class="badge cs-badge">CS 专业选修</span>
+<span class="badge ai-badge">AI 专业选修</span>
+</div>
+
+## 课程学习内容
+
+主要讲述计算机图形学解决的基本问题，基础原则和方法，基础编程技能，但是不包含具体的编程指导和图像信息处理工具的使用，主要讲述了
+
++ Rasterization
++ Transform, view and Hidden Surface Removal
++ Color, Surface, Materials and Textures
++ Rendering
++ Research(in Graphics and Vision)
+
+还会介绍 OpenGL 和可编程管线，但是提到的 OpenGL 的实现是比较老的版本，如果这里作业使用老版本那么在后面的任务中可能会遇到一些问题。
+
+总体而言讲的是比较 base 的图形学内容，而且吴鸿智老师的讲课偏向于 High-level 而不是细节，听课体验还是不错的。
+
+## 任课教师
+
+[吴鸿智](http://hongzhiwu.com/) 吴老师讲课比较好，会经常发问，对一些原理的东西也会比较深入地讲解
+
+## 课程教材
+
++ Computer Graphics with OpenGL, Fourth Edition, D. Hearn, M. P. Baker（电子工业出版社）
++ Fundamentals of Computer Graphics, Peter Shirley, Steve Marschner, AK Peters
++ 计算机图形学——原理、方法及应用，潘云鹤, 董金祥, 陈德人，2003
++ OpenGL Programming Guide, Fourth Edition, Addison-Wesley, 2003,（OpenGL编程指南，人民邮电出版社）
++ OpenGL Distilled, Paul Martz , Addison-Wesley, Addison-WesleyProfessional; 1ST edition（OpenGL2.0精髓, 人民邮电出版社）
++ [The NeHetutorials](http://nehe.gamedev.net)
+
+## 分数构成
+
++ Assignment(30%)
+
+    课程一共有 9 次小的作业，分别是 opengl 绘制椭圆/绘制旗帜/书面作业1（简单变换）/solar system/书面作业2（简单原理解释）/大作业组队 + proposal/dream car/给太阳系添加光源/给太阳系添加纹理
+
+    小作业的设计基本上都是为了最后的课程项目准备的，里面用到的基本方法也都要求在最后的课程项目中体现，这么来看设计还是相对合理的。你需要的是从头开始学习 OpenGL 并理解他的逻辑，课程没有包含这一部分的指导，你需要通过网上的资料自己进行学习。这一部分主要是学习框架需要花费比较多的时间精力。这一部分的给分只要完成了基本要求都是满分，但是需要注意 deadline，有每天减一半的 late penalty。
+
++ Course Project(40%)
+
+    简单三维建模及真实感绘制（基础90分+高级15分）（以2-3人为一组实现，教师以给平均分的形式打分）。基本上是实现一个游戏，workload 并不小，在大三上众多专业课中也算是名列前茅。一方面要熟悉 OpenGL 的框架，另一方面也需要良好的 C++ 编程能力。
+
+    单从最后的给分来说方差并不大，基础的部分中有很多要求是客观的，前面作业中用到的（75分），完成了基础部分并且能让老师觉得你的游戏比较 awesome 就能拿到 88-89 分左右的分数，如果你对细节的设计更好，比如你设计了一个飞行导弹轨迹很好看或者爆炸效果很好，那你也许就能达到 92-93 的分数。当然高级要求中还有移动端和增强现实的加分，但是实现难度很大，很少有人去做。
+
+    总而言之，这一部分的分数基本是是与你的投入成正比的，也是需要在最后一次课上进行展示的，你需要把你实现所有的酷炫的都展示给老师看。
+
++ In-class Performance(30)
+
+    课程会进行几次**不提前通知**的 Quiz，这是可能造成失分最多的地方。Quiz 可能与课程内容没有直接关系，允许携带一张 A4 作为 "Cheating" sheet。这一部分主要由于突击性而且题目也比较灵活，是可能造成失分的“重灾区”。当然吴鸿智老师在 24-25 秋冬降低了这一部分的比例(23%)，更多的加到了作业里。
+
+    另一部分是课堂的互动，这一部分并没有太多的分数，回答或者提问都是可以算入的，一般 2-3 次即可，每次 1 分
+
+    24-25 秋冬的 Quiz 题是如何计算两条直线相交，Bezier 曲线的表示，Bezier 曲线的性质证明，brdf 光照模型反射相关。难度不算太大，但是 Quiz 时间比较有限一般 20分钟就要完成。
+
+## 学习建议
+
+如果想要入门图形学的研究，或许 Games101 是更好的选择，这一门课更多是了解基本原理。对想要轻松并且获得高分数的同学，不建议选修这门课。这门课的 Workload 是比较大的，中间遇到问题很多也很折磨人，但是最后完成自己的 project 也是很有成就感的。理论的部分是需要好好理解的，Quiz 的扣分还是比较大的，需要重视。对实践的部分建议是从第一次开始就跟着 [LearnOpenGL](https://learnopengl.com/) 的教程配置环境，这样能很大程度的避免后期发现功能不支持带来的问题。而且这个教程相对而言也是比较详细的实践教程。

docs/major_elective/index.md

@@ -23,6 +23,7 @@
 |面向信息安全的信号处理|2.0|三（秋冬）|×|×|✓||
 |[量子计算理论基础与软件系统](quantum_computing/)|3.0|三（秋冬）|✓|✓|✓|较完善✅|
 |[编程语言原理](../major_module/principle_of_programming_languages)|2.0|三（秋冬）||×|✓|较完善✅|
+|[计算机图形学](computer_graphics/)|2.5|三（秋冬）|✓|✓|×|较完善✅|
 |[专题研讨](special_discussion/)|2.0|三（秋冬）|✓|-|✓|较完善✅|
 |[脑启发人工智能导论](brain_inspired_ai/)|3.0|三（冬）|×|✓|×||
 |[计算机视觉](computer_vision/)|2.0|三（冬）|✓|×|×|较完善✅|

docs/major_mandatory/computer_vision/index.md

@@ -6,6 +6,7 @@
 
 !!! warning "不要和计算机视觉课程混淆"
     计算机视觉是一门两学分课程，不算在 AI 的专业选修课程中，但有很多其他专业方向的同学会去选修。导论课比没有导论两字的课难度和容量都更大应该也是老传统了（笑）。
+    在 24 级的培养方案中没有这门课，大概 23 级是最后一次有图灵同学选修这门课（悲）
 
 ## 课程学习内容
 
@@ -24,31 +25,6 @@
 
 除此主线内容之外，在最开始会有一个导论和对线性代数的简单回顾，在 2 和 3 之间会有一个对优化方法的介绍，在 6 和 7 之间会有一个对深度学习的介绍。
 
-这门课的大作业是三维重建 + 位姿估计。一般使用 [Hierachical Localization](https://github.com/cvg/Hierarchical-Localization) 就可以得到一个比较好的结果，稍微微调一下参数做一下预处理也是可以的。虽然是打榜的形式，但是事实上按照笔者的体验分差并不明显，最后会有一个课堂展示 + 验收。
-
-但是从23-24秋冬开始，由于大作业打榜的形式造成大家最后都用差不多的方法，而且leaderboard的形式太卷了，因此大作业改成了五选一的形式。今年的五个题目分别是：
-
-- 光心不一致时的全景图拼接
-- 重建校园某区域，基于图像对自身做定位
-- 从多视角视频还原车辆、行人轨迹
-- 基于多视角图片重建小动物/人
-- 参考一段网络舞蹈视频，合成自己跳舞的视频
-
-其中每个任务都分为基础解决方案和额外提升方案。大作业整体的工作量是比较大的，但是课程提供了GPU资源，同时如果遇到困难都可以问助教，助教都是周老师的博士生，水平很高而且人也很好。
-
-课程有实验课，实验普遍比较简单，可以不去上课。当然，有一次课会讲怎么使用 COLMAP ，那一次课前周老师也会提醒，也建议稍微去听一下，虽然只看文档也能折腾明白。6 次实验的内容分别是：
-
-1. matplotlib, OpenCV 和 Open3d 的基本使用方式；
-2. 高斯滤波、中值滤波、双边滤波和透视投影的实现；
-3. 使用 Gauss-Newton 法求解优化问题；
-4. 图片匹配和图片拼接：Harris 角点检测、SIFT 和 RANSAC 来计算单映变换；
-5. 使用 COLMAP 完成 SfM 和（可选的）MVS；
-6. 使用 mmdetection 完成目标检测, 写一个CNN完成图像分类。
-
-期末考试不考后面 7 8 9 10 节的内容，当然，周老师会在复习课上讲明考试范围，这个范围仅供参考，复习课讲的更加细致。20 级的考试大题印象中有一道图像拼接和一道三维重建，考的都比较基础，给分普遍似乎也不错，不用过于担心。
-
-23-24秋冬课程所有的内容都有涉及，考察的内容不难但是覆盖面很大，有很多内容比较细节。分为30分的不定项选择题，20分的判断题，20分的填空题，30分的大题。
-
 ### 先修要求
 
 可以没有。线性代数会用就足够了，也不会在考试要求计算；前几节内容在图像信息处理课程中会讲，但是没上过也没有风险；机器学习当然上过最好，但是周老师会把所有用到的内容讲清楚，甚至可能比隔壁赵洲老师还清楚，所以没上过也无伤大雅；在渲染的讲解中也会涉及计算机图形学的内容，同样会有充分的介绍；除此以外，还有一门计算摄影的课程，也是周老师开的，笔者没有上过不知晓详情。
@@ -69,6 +45,50 @@
 
 平时作业 30% + 大作业 30% + 期末考试 40%。
 
+=== "平时作业"
+
+    课程有实验课，实验普遍比较简单，可以不去上课。当然，有一次课会讲怎么使用 COLMAP ，那一次课前周老师也会提醒，也建议稍微去听一下，虽然只看文档也能折腾明白。6 次实验的内容分别是：
+
+    1. matplotlib, OpenCV 和 Open3d 的基本使用方式；
+    2. 高斯滤波、中值滤波、双边滤波和透视投影的实现；
+    3. 使用 Gauss-Newton 法求解优化问题；
+    4. 图片匹配和图片拼接：Harris 角点检测、SIFT 和 RANSAC 来计算单映变换；
+    5. 使用 COLMAP 完成 SfM 和（可选的）MVS；
+    6. 使用 mmdetection 完成目标检测, 写一个CNN完成图像分类。
+
+=== "大作业"
+
+    22-23 秋冬这门课的大作业是三维重建 + 位姿估计。一般使用 [Hierachical Localization](https://github.com/cvg/Hierarchical-Localization) 就可以得到一个比较好的结果，稍微微调一下参数做一下预处理也是可以的。虽然是打榜的形式，但是事实上按照笔者的体验分差并不明显，最后会有一个课堂展示 + 验收。
+
+    23-24 秋冬，由于大作业打榜的形式造成大家最后都用差不多的方法，而且 leaderboard 的形式太卷了，因此大作业改成了五选一的形式。今年的五个题目分别是：
+
+    - 光心不一致时的全景图拼接
+    - 重建校园某区域，基于图像对自身做定位
+    - 从多视角视频还原车辆、行人轨迹
+    - 基于多视角图片重建小动物/人
+    - 参考一段网络舞蹈视频，合成自己跳舞的视频
+
+    其中每个任务都分为基础解决方案和额外提升方案。大作业整体的工作量是比较大的，但是课程提供了GPU资源，同时如果遇到困难都可以问助教，助教都是周老师的博士生，水平很高而且人也很好。
+
+    24-25 秋冬，本学期延续了去年的形式，选题减少了，分别是
+
+    - 视觉定位：重建校园某区域，基于图像对自身做定位
+    - 表面重建：基于多视角图片重建物体
+    - 数字人：参考一段网络舞蹈视频，合成自己跳舞的视频。
+    - 开放选题：自主选择计算机视觉领域方向的选题，例如新视角合成、多模态理解、AIGC等，要求在冬二周前提交立项说明
+
+    每个选题包括了基础解决（14分）和进阶探索部分（6分），最后的汇报展示（10分），要求展示自己采集数据完成的 demo
+
+=== "期末考试"
+
+    周老师会在复习课上讲明考试范围，复习课讲的更加细致。20 级的考试大题印象中有一道图像拼接和一道三维重建，考的都比较基础，给分普遍似乎也不错，不用过于担心。
+
+    23-24 秋冬课程所有的内容都有涉及，考察的内容不难但是覆盖面很大，有很多内容比较细节。分为 30 分的不定项选择题，20 分的判断题，20 分的填空题，30 分的大题。
+
+    24-25 秋冬课程的全部章节都有涉及，但是难度并不大，也不要求较难的数学推导，诚如周老师所言“我们这门课希望大家学到一些有用的东西”，考察更注重理解，当然复习课很重要，98 上有一份回忆卷的拟合效果也很好。
+
+    今年是 30 分的不定项选择，10 分的判断题，20 分的填空题，40 分的大题。试卷是中文试卷，对于专业词汇都标注英文，可以说非常友好。对于复习课提到的东西都好好掌握基本就没有问题。
+
 ## 推荐书目
 
 + Richard Hartley 和 Andrew Zisserman 的 [ *Multiple View Geometry in Computer Vision*](https://www.cambridge.org/core/books/multiple-view-geometry-in-computer-vision/0B6F289C78B2B23F596CAA76D3D43F7A) , 从射影几何角度出发, 极其经典, 但较难读。
@@ -80,3 +100,4 @@
 
 - [lhj 的笔记](https://frightenedfoxcn.github.io/notes/qnotes/computer_vision/)
 - [lhx 的笔记](https://lhxcs.github.io/note/AI/cv/icv/)
+- [lt 的笔记](https://626lt.github.io/note/icv/)

docs/short_term/index.md

@@ -22,7 +22,7 @@
 |课程综合实践 Ⅰ|...|一（短）|2.5||
 |课程综合实践 Ⅱ|[C++ 项目管理及工程实践](cpp_project/)|二（短）|2.5|较完善✅|
 |课程综合实践 Ⅱ|[Rust 开发实训](rust/)|二（短）|2.5|较完善✅|
-|课程综合实践 Ⅱ|[大模型应用与实践](llm)|二（短）|2.5|较完善✅|
+|课程综合实践 Ⅱ|[大模型应用与实践](llm_practice/)|二（短）|2.5|较完善✅|
 |课程综合实践 Ⅱ|...|二（短）|2.5||
 |[人工智能实践](ai_practice/)（仅 AI）||三（短）|3.0||
 

mkdocs.yml

@@ -103,6 +103,7 @@ nav:
     - 社交网络安全与隐私: major_elective/social_network_security/index.md
     - 量子计算理论基础与软件系统: major_elective/quantum_computing/index.md
     - 多媒体安全: major_elective/multimedia_security/index.md
+    - 计算机图形学: major_elective/computer_graphics/index.md
   - 短学期课程:
     - short_term/index.md
     - 固定课程:
@@ -119,7 +120,7 @@ nav:
       - short_term/index.md
       - C++ 项目管理及工程实践: short_term/cpp_project/index.md
       - Rust 开发实训: short_term/rust/index.md
-      - 大模型应用与实践: short_term/llm/index.md
+      - 大模型应用与实践: short_term/llm_practice/index.md
   - 跨专业课程:
     - others/index.md
     - 常微分方程: others/ode/index.md