学习基础的3D computer vision知识。这个阶段追求广度，了解一些基础的概念和算法。不要求深度，不要求掌握/熟悉算法所有的细节。这个阶段的目的是让你对3D computer vision有一个大概的了解，知道有哪些算法，知道这些算法的大概原理，知道这些算法的应用场景。
学习《三维计算机视觉导论》课程。重点是完成里面的作业。懂得做作业，也就懂课程内容了。建议在GitHub上维护一个repo，存放作业。
推荐的课程是Andreas Geiger教授的课程。这是课程链接。（这门课是目前较新的公开的三维视觉课。以后会根据情况决定是否添加其他课程。）
如果对哪些算法或哪些代码有问题，推荐谷歌搜索或者问new bing，如果找不到答案，建议敢于向高年级学长/学姐询问。
在有了基础知识的基础上，开始跟着学长/学姐做科研项目。这个阶段追求深度，追求掌握某一篇论文的细节（算法细节、代码实现细节）。这个阶段的目标是构建某一个科研细分方向的算法基础，通过参与科研项目来了解一篇论文是怎么做出来的（寻找科研问题、想idea、做实验、写论文）。
这个阶段需要做三方面的事情：
- 首先选择一个自己感兴趣的科研方向。这是实验室的研究方向的一些介绍性的视频和资料。选择具体的科研方向以后，请实验室学长/学姐帮自己定制具体的学习计划。这是学习计划的一个例子（这个例子的内容可能随着时间的推移而变得过时，请注重其体现出的计划思路）。
- 同时看一门计算机视觉的课程，不用做作业：http://cs231n.stanford.edu/schedule.html。该课程对深度学习在计算机视觉的应用有较为全面的介绍。因为已经在具体实现某个论文的算法了，所以这个阶段可以不用做作业，只需要看课程视频和课程讲义即可，不然日常时间可能不够分配。
如果对传统图形学的知识感兴趣，还需要看GAMES101-现代计算机图形学入门（闫令琪老师开的课，讲得特别好）。
如果对motion synthesis/computer animation感兴趣，还需要看GAMES105-计算机角色动画基础（刘利斌老师开的课，讲得特别好）。 - 在学习的过程中，参与旁听某个学长/学姐的科研项目，旁听我们每周的讨论，见识做科研具体是怎样的。等你算法基础和实验能力足够时，实验室会试着让你帮忙做我们Project的一些实验，从而开始上手做科研项目。
在这个阶段可以熟悉一些常用的工具、配置（这些工具是实验室的贺星毅同学整理的）。
在有了一定算法基础以后，开始在实验室的指导下做一个自己一作的Project。这个阶段的目标是通过实践来学习一篇论文是怎么做出来的（寻找科研问题、想idea、做实验、写论文），比较好的情况是能完成一篇论文的投稿，从而在某个细分的科研方向上有一定的科研成果。
这一阶段因为其过程的前沿性与创新性，所以难以有固定的学习路线，比较依赖实验室的口传心授。我们尽量整理出了一些作为独立的科研工作者所必需的科研能力。具体请看这个文档。