转自｜专知
编译｜深度学习这件小事
作者｜Niloy J. Mitra等
【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
资源获取方式
  • 点击“阅读原文”直达资源，提取码：z8sf 
  • 或在公众号输入关键词“DL4G”获取资源
《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
—完—
为您推荐
这些Python代码技巧，你肯定还不知道
速码！200多个最好的机器学习、NLP和Python相关教程
手写二叉树？程序员面试最常见问题TOP 48
「高能预警」 一大波学习资料正在来袭！
继续阅读
阅读原文