README.md

# 多媒体技术
## 101030 多媒体技术
### 一、总述
#### 1. 教材
大概是无的，平时上课看课件，课件也不一定会及时发。不过没关系，听不听课不影响做大作业。
#### 2. 作业
（下文提到的均为 **2020 ~ 2021 学年下学期**课程情况）
会有平时作业，但很少也很基础，是看了课件就会做的程度。所以建议上课还是听一听，或者让跟你一起的同学听一听。记得保管好，**期末要交**。
平时作业 + 课上的随堂小测一共占总评的 **21%**。
期末大作业占总评的 **70%**。
#### 3. 课堂
##### a. 签到
印象里只有两三次签到，一般都是纸质点名（但是助教总会时不时提醒我们会有电子签到）。
##### b. 提问
上课会有提问，自愿回答，回答问题后下课会记名字，应该能加平时分。
课堂表现 + 出勤一共占 **9%**。
##### c. 随堂小测
我们这学期有三次随堂小测，会比平时作业难一点点（善用搜索引擎），基本上一次一道题，写个十分钟就交（而且总是快下课时留题，先写完先走人干饭），改分很宽松。记得保管好，**期末要交**。
#### 4. 期末考察
纯考察课，无考试。需完成一个大作业。评分标准如下：
* 选题意义与背景介绍：10%
* 相关方法：10%
* 具体方法介绍：30%
* 实验结果：10%
* 总结分析：10%
* `PPT` 表述和口头交流：15%
* 报告撰写：15%
期中过后基本就不讲课了，开始逐组安排答辩，一次课 4~5 组展示。最后一节课提交作业等相关资料就结课啦。
##### a. 组队
期中前会通知自由组队，据说之前是 1~2 人一组，我们是强制 2 人组队。
##### b. 选题
选题较为宽松，和多媒体相关即可。但个人感觉真正搞像音频处理、图像压缩之类的比较基础的技术的小组很难出效果，一是做起来确实比较麻烦，二是比较传统很难给老师眼前一亮的感觉（老师比较看重创新部分）。
* 从功利的角度来说，能沾上人工智能就往上凑，既有创新又有很多易上手的参考资料。普遍来看机器学习相关的小组的评价都要更好一点。事实上，个人感觉答辩时基本人均机器学习，时常让人忘记这门课叫什么。硬要说的话，都有图像，是多媒体技术，没毛病。
* 最好选一些老师不熟悉的东西去做（任何可以自由选题的作业同理）。比如整点二次元花活，这样答辩时老师的重心就转移到 **弄明白你们在做什么**，提问相对较好应对。
##### c. 展示
老师很重视 `PPT`。所以 `PPT` 一定要看起来美观舒适，条理清晰。方法原理要写的详细，以防被问到时没有准备；讲得可以简略一点，因为时间安排比较紧张，尽量用比较短的时间把重点讲完。
声音大一些自信一点，答辩完成给分基本就确定了，一定要在展示时给老师留下好印象。
记得选效果最好的结果做个漂亮 `demo`。还是那句话，展示的时候就定生死了，所见即所得，要拿出能力上限给老师看。
##### d. 报告
报告基本上照搬 `PPT` 就好，要 **打印纸质版，期末和作业一起提交**。
### 二、任课老师
#### 10073 Wang
平时上课挺风趣幽默，大作业答辩时会比较尖锐，可能会揪着 `PPT` 或者代码里的一个小点刨根问底。重要的是，**他对展示的 `PPT` 真的很严格**。我觉得上过人机交互导论的同学应该深有体会。针对 `PPT` 的内容、布局乃至配色他都有可能给出改进建议。
给分挺好的，而且比较实在，会在答辩完后就点评，如果得到了「挺好的」之类的评价一般就稳优了；否则他会比较明确地告知你现在的完成度能拿到什么成绩，可以从哪些方面改进，如果期末统一提交作业时能实现的话还是有机会得优的。