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

【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:

《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

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20181210B00TTF00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券