传统的重建方法是使用光度一致性等来计算稠密的三维信息。虽然这些方法在理想的Lambertian场景下，精度已经很高。
但传统的局限性，例如弱纹理，高反光和重复纹理等，使得重建困难或重建的结果不完整。
基于学习的方法可以引入比如镜面先验和反射先验等全局语义信息，使匹配更加鲁棒，从而解决传统方法无法克服的难题。
传统视觉算法已经很难有新的突破，各个领域都在朝深度学习方向研究，近几年各大视觉会议论文都是基于深度学习来实现三维重建，各个大厂招聘也越来越看重深度学习三维重建方法。
1 教程目录
共50个pdf教程文件，
主要以PatchMatchNet和MVSNet 的理论和实操讲解为主，其他深度学习系列的MVS讲解为辅。
主要内容包括：
基于深度学习的三维重建 原理讲解、实操；
主流的深度学 MVS网络系列；
无监督MVS、半监督MVS、自监督MVS讲解；
pytorch、神经网络 等基础必备知识讲解；
可视化工具；
