本篇主要介绍了摄像机几何和极几何相关的知识。在摄像机几何方面，首先从小孔模型开始，介绍摄像机坐标系中的映射关系，而后引入图片坐标系以及世界坐标系，最终得到从世界坐标到图片坐标到映射关系。在极几何方面，介绍了同一场景两个视角的数学约束，包括本质矩阵，基础矩阵以及单应矩阵。平行视图下的极几何具有较好的性质，包括极线水平，同名点纵坐标相等等，通过极线校正，我们可以将普通视图校正为平行视图。

MVS是一种通过多视角图片来重建场景3D结构的方法。本篇主要介绍了MVS的基础知识，包括它的基本概念、基本pipeline、立体匹配重建深度图等，最后简单提到了传统方法存在的问题。

本篇主要介绍了注意力机制，包括它的基础概念，计算方式等，之后介绍了相关改进，包括多头注意力机制、自注意力机制以及位置编码，最后介绍了Transformer的架构。

本篇主要介绍了深度学习中循环神经网络的基本概念，同时简单介绍了GRU以及LSTM。

PyTorch Lightning是一个轻量级的PyTorch深度学习框架，旨在简化和规范深度学习模型的训练过程。它提供了一组模块和接口，使用户能够更容易地组织和训练模型，同时减少样板代码的数量。本篇主要介绍了Pytorch lightning的基础使用方式和流程、核心类LightningModule和Trainer、数据封装DataModule、以及其他相关操作。同时还介绍了一个可供参考和复用的

在很多程序中，我们都要面临配置管理或者多环境管理的问题。Hydra就是一个用于配置和管理多环境多配置的框架，它允许开发人员轻松地切换不同的配置和环境，从而简化应用程序的开发和部署。本篇主要介绍了Hydra如何在python中进行使用。

在3D相关的模型当中，我们通常会使用到相机参数作为参数，其中相机参数又可以分为相机外参和相机内参。本篇主要介绍了相机参数的概念，包括相机外参和相机内参、外参矩阵、内参矩阵、投影矩阵等。

本篇主要介绍了在Python中如何使用tqdm进行进度条的可视化，包括基础使用以及定制化使用。

tmux是一个非常有用的终端复用器。利用tmux，我们可以很方便地执行一些终端任务，但是这些终端并不会和会话绑定，这也意味着可以很容易利用tmux执行一些后台任务，而不需要利用其他一些复杂的命令进行任务挂起。本篇主要介绍了tmux的简单使用。

在深度学习中，卷积是一种非常基本的操作，多用于对图像进行特征抽取。与卷积操作相对的一个操作是转置卷积，它通常可以用来进行上采样upsampling。本篇主要介绍了转置卷积的相关概念和运算原理。