深度学习如何用于计算机图形学?这一份八个主题700页PPT《图形深度学习》为你讲解(附代码)

2018 年 12 月 9 日 专知

【导读】2018年12月4日-7日,全亚洲最大的计算机图形与互动技术会议与展会——SIGGRAPH Asia 2018大会在日本东京隆重举行。作为计算机图形学顶级会议,SIGGRAPH大会邀请了国际上在影像技术方面有建树的学者、技术名流大咖及高新技术企业共同研讨交流,展示最先进的图形学技术。来自英国伦敦大学学院UCL的Niloy J. Mitra等学者做了关于深度学习在计算机图形学应用的报告,《CreativeAI: Deep Learning for Graphics 》包含八个主题以及对应的报告,以及教程代码,是一份不可多得的参阅学习教程,欢迎查看!


图形深度学习

CreativeAI: Deep Learning for Graphics

在计算机图形学中,许多传统问题现在通过基于深度学习的数据驱动方法得到更好的解决。在越来越多的问题设置中,深层网络是最先进的,远远超过了专门手工设计的方法。本教程对深度学习的核心理论、实践和图形相关应用进行了系统性的概述。

网址:

http://geometry.cs.ucl.ac.uk/creativeai/

内容目录

1. 概述

2. 机器学习基础

3. 神经网络基础

4. 特征可视化

5. 直接监督的替代方案

6. 图像

7. 3D

8. 物理动画

教程PPT下载:

请关注专知公众号(扫一扫最下面专知二维码,或者点击上方蓝色专知),

  • 后台回复“DL4G” 就可以获取《图形深度学习》PPT下载链接



《图形深度学习》导读

1.概述


计算机图形学中的问题:包括特征检测、去噪平滑、嵌入距离计算、渲染、动画、物理仿真、生成式模型


上述问题可统一形式化为一个参数函数


计算机图形学中的例子


2. 机器学习基础

机器学习包含监督学习、无监督学习、半监督学习、强化学习

机器学习优化方法



3. 神经网络基础


基本神经元


深度神经网络基本结构



现在主流深度学习框架工具

4. 特征可视化

可视化什么

T-SNE可视化特征分布


5. 无监督学习


6. 图像

深度学习在图像领域的应用

分类、分割、检测

任务体系


7. 3D几何领域

3D建模


8. 动画物理



《图形深度学习》教程代码

网址:

https://github.com/smartgeometry-ucl/dl4g

线性回归和多项式回归

https://colab.research.google.com/github/smartgeometry-ucl/dl4g/blob/master/linear_regression.ipynbhttps://colab.research.google.com/github/smartgeometry-ucl/dl4g/blob/master/poly_regression.ipynbhttps://colab.research.google.com/github/smartgeometry-ucl/dl4g/blob/master/poly_regression_polyfit.ipynb

随机梯度下降

https://colab.research.google.com/github/smartgeometry-ucl/dl4g/blob/master/sgd.ipynb

多层感知器

https://colab.research.google.com/github/smartgeometry-ucl/dl4g/blob/master/multilayer_perceptron.ipynb

边缘过滤网络

https://colab.research.google.com/github/smartgeometry-ucl/dl4g/blob/master/edge_filter.ipynb

卷积网络

https://colab.research.google.com/github/smartgeometry-ucl/dl4g/blob/master/convolutional_network.ipynb

过滤器可视化

https://colab.research.google.com/github/smartgeometry-ucl/dl4g/blob/master/filter_visualization.ipynb

权重初始化策略

https://colab.research.google.com/github/smartgeometry-ucl/dl4g/blob/master/weight_initialization.ipynb

彩色化网络

https://colab.research.google.com/github/smartgeometry-ucl/dl4g/blob/master/colorization.ipynb

自编码器

https://colab.research.google.com/github/smartgeometry-ucl/dl4g/blob/master/autoencoder.ipynb

变分自编码器

https://colab.research.google.com/github/smartgeometry-ucl/dl4g/blob/master/variational_autoencoder.ipynb

生成对抗网络

https://colab.research.google.com/github/smartgeometry-ucl/dl4g/blob/master/gan.ipynb

卷积网络镜像

https://colab.research.google.com/github/smartgeometry-ucl/dl4g/blob/master/mirroring.ipynb

PDE Learning

https://github.com/smartgeometry-ucl/dl4g/tree/master/pde_learning



-END-

专 · 知


人工智能领域26个主题知识资料全集获取与加入专知人工智能服务群: 欢迎微信扫一扫加入专知人工智能知识星球群,获取专业知识教程视频资料和与专家交流咨询!


请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料!



请加专知小助手微信(扫一扫如下二维码添加),加入专知主题群(请备注主题类型:AI、NLP、CV、 KG等)交流~

 AI 项目技术 & 商务合作:bd@zhuanzhi.ai, 或扫描上面二维码联系!

请关注专知公众号,获取人工智能的专业知识!

点击“阅读原文”,使用专知

登录查看更多
11+

相关内容

Top