Stanford AI 课程地图 EN GitHub ↗
← 返回课程地图
Stanford · 2026—27 CS 448I 视觉、图形与生成 ★★★★☆

核心课程 · 视觉、图形与生成

计算成像

Computational Imaging (EE 367)

计算成像:从卷积/去噪到逆问题、波光学、端到端光学-算法联合优化。

3 学分 2027 冬 Letter or Credit/No Credit ★★★★☆
成像逆问题光学CV

2026-27 冬季开设;官网暂未找到稳定链接。

课程定位

CS 448I(EE 367)由 Gordon Wetzstein 讲授,是计算摄影/成像方向的核心课。它把经典图像处理、凸优化和现代 AI 结合起来,讨论去噪、反卷积、单像素成像、ToF、波光学,以及光学与算法端到端联合优化。

主要内容

  1. 图像处理基础:卷积、滤波、去噪
  2. 逆问题:去卷积、正则化、proximal gradient
  3. CNN 用于成像:图像复原、学习式先验
  4. 单像素成像:编码孔径、压缩感知
  5. 波光学:衍射、全息、相位恢复
  6. ToF 成像:深度测量、多路径
  7. 端到端优化:光学 + 算法联合设计
  8. 项目

先修

信号处理/图像处理/优化基础;Python 编程。

考核与工作量

作业 + term project,强调实现。具体以当季官网为准。

适合谁

计算摄影、成像系统、AR/VR、显微镜/医学成像方向。

学习建议

先补线性代数和信号与系统。配合 EE 367 一起看。

相关课程

官方课程描述(英文原文)

Digital photography and basic image processing, convolutional neural networks for image processing, denoising, deconvolution, single pixel imaging, inverse problems in imaging, proximal gradient methods, introduction to wave optics, time-of-flight imaging, end-to-end optimization of optics and imaging processing. Emphasis is on applied image processing and solving inverse problems using classic algorithms, formal optimization, and modern artificial intelligence techniques. Students learn to apply material by implementing and investigating image processing algorithms in Python. Term project.