Topics in computer graphics

- Machine learning for computer graphics (4190.762)

2018 Spring

 

Instructor

Jehee Lee

E-mail: jehee (at) mrl (dot) snu (dot) ac (dot) kr

Office: 302 325

Phone: 02-880-1845

Teaching Assistance

Jungdam Won

E-mail: jungdam (at) mrl (dot) snu (dot) ac (dot) kr

Kyungho Lee

E-mail: khlee (at) mrl (dot) snu (dot) ac (dot) kr

Office: 302 312-1

Phone: 02-880-1864

Class Hour

/, 14:00 to 15:15

Class Room

302 209

Course Abstract

최근 기계학습(Machine Learning) 연구가 충분히 성숙하고 또한 누구나 사용할 수 있는 많은 도구가 배포됨에 따라서, 다양한 분야에서 기계학습 기법을 이용하여 해당 분야의 문제를 해결하고자 하는 많은 시도가 이어져 오고 있습니다. 이 과목에서는 컴퓨터 그래픽스 분야에서 어떠한 기계학습 기법들이 이용되는지 알아보고 이해하는 것을 목표로 합니다. 이 강의는 위처럼 논문을 심도있게 이해하는 능력을 기르는것 외에 대학원생으로서 논문을 쓰는데 기본적으로 알아야 하는 기초 지식들에 대한 내용들도 다룰 것 입니다. 예를들면, 저널논문이 어떠한 과정을 통해서 출판되는지, 논문을 쓰는데 중요하게 생각해야할 요소가 무엇인지, 제출한 논문에 대한 리뷰는 어떻게 나오는지, 리뷰에 대한 대답은 어떻게 해야하는지와 같은 주제를 다룰 것입니다.

 

이 과목은 대학원 과목으로 강의와 논문세미나를 통한 토론이 반반의 비율로 이루어질 예정입니다. 그래픽스/기계학습과 관련하여 기초적인 지식은 짧은 강의를 통해 제공 되지만, 기본적으로 수강생은 매 세미나 시간에 발표/토론을 통하여 좀더 심도있는 지식을 습득하기를 기대합니다. 수강생들은 수강인원에 따라 몇개의 논문을 골라 발표하게 될 것이고, 논문쓰기와 관련해서 rebuttal/review작성과 같은 글쓰기 숙제도 나갈 예정입니다.

Webpage

http://mrl.snu.ac.kr/courses/CourseMLforCG/index_2018spring.html

Grading Policy

출석(10%), 발표(30%), 과제(60%)

Schedule

https://docs.google.com/spreadsheets/d/1yPpqI9XJI2eUl04V6W-HnH3wo2PvH8Yc75S4K5Rh7Do/edit?usp=sharing

Grade

 

Schedule

Week 1

3 / 5

Course introduction

3 / 7

Character animation basics (이경호) [pdf]

Week 2

3 / 12

논문 발표

-       Construction and optimal search of interpolated motion graphs, Siggraph 2007

-       Motion grammars for character animation, Eurographics 2016

3 / 14

Physics-based character animation (원정담) [pdf]

Week 3

3 / 19

논문 발표

-       SIMBICON: Simple Biped Locomotion Control, Siggraph 2007

-       Data-driven biped control, Siggraph 2010

3 / 21

Neural networks (이경호) [pdf]

Week 4

3 / 26

논문 발표

-       Learning motion manifolds with convolutional autoencoders, SIGGRAPH Asia 2015 Technical Briefs

-       Phase-functioned Neural Networks for Character Control, Siggraph 2017

3 / 28

Reinforcement learning (원정담) [pdf]

Week 5

4 / 2

논문 발표

-       Precomputing Avatar Behavior From Human Motion Data, SCA 2004

-       Optimizing Walking Controllers, Siggraph Asia 2009

4 / 4

논문 발표

-       A deep learning framework for character motion synthesis and editing, Siggraph 2016

-       Continuous control with deep reinforcement learning, arXiv 2015

Week 6

4 / 9

논문 발표

-       Interactive control of diverse complex characters with neural networks, NIPS 2015

-       Combining the benefits of function approximation and trajectory optimization, RSS 2014

4 / 11

논문 발표

-       Recurrent Network Models for Human Dynamics, ICCV 2015

-       On human motion prediction using recurrent neural networks, CVPR 2017

Week 7

4 / 16

SRL 논문 발표 DRL review (원정담)

4 / 18

논문 발표

-       Space-time planning with parameterized locomotion controllers, ToG 2011

-       Terrain-adaptive Locomotion Skills Using Deep Reinforcement Learning, Siggraph 2016

Week 8

4 / 23

학술 논문은 어떻게 출판하나? [ppt]

4 / 25

Review process 소개

Week 9

4 / 30

논문 발표

-       End-to-end Training of Deep Visuomotor Policies, JMLR 2016

-       How to train your dragon: example-guided control of flapping flight, Siggraph Asia 2017

5 / 2

좋은 논문은 어떻게 쓰나? [ppt]

Week 10

5 / 7

논문 발표 ( *5 7일 정상적으로 수업 진행 합니다 )

-       Guided Learning of Control Graphs for Physics-Based Characters, ToG 2016

-        Learning to Schedule Control Fragments for Physics-Based Characters Using Deep Q-Learning, Siggraph 2017

5 / 9

Review and Rebuttal [ppt] ( review form - [siggraph], [tvcg] )

( * Related work 과제는 하드카피 말고 조교에게 메일로 제출 바랍니다(khlee at mrl.snu.ac.kr) ).

Week 11

5 / 14

논문 발표

-       High-Dimensional Continuous Control Using Generalized Advantage Estimation, arXiv 2015

-       Emergence of Locomotion Behaviours in Rich Environments, arXiv 2017

5 / 16

본문: 아이디어 설명하기 [ppt]

* Introduction 글쓰기 과제는 하드카피 말고 조교에게 메일로 제출 바랍니다(khlee at mrl.snu.ac.kr)

( 자정까지 제출 기한이며 Introduction 과제부터 딜레이는 받지 않습니다 )

Week 12

5 / 21

논문 발표

-       Asynchronous Methods for Deep Reinforcement Learning, ICML 2016

-       Learning to Act by Predicting the Future, ICLR 2017

5 / 23

Week 13

5 / 28

논문 발표

-       Benchmarking Deep Reinforcement Learning for Continuous Control, ICML 2016

-       DeepMind Control Suite, arXiv 2018

5 / 30

Week 14

6 / 4

논문 발표

-       Counterfactul multi-agent policy gradients, arXiv 2017

-       Multi-agent actor-critic for mixed cooperative-competitive environments, NIPS 2017

6 / 6

No Class

Week 15

6 / 11

6 / 13

No Class