推荐一个深度学习应用于图形学的网站

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。

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

教程代码：

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