コンピュータグラフィックス最適化

授業情報

  • 講師: シモセラ エドガー
  • 日程: 2021年04月〜2021年07月
  • 曜日時限: 火曜日 4時限(15:05〜16:45)
  • 教室: online
  • メール: ess@waseda.jp

オーバービュー

この授業のスライドと講義は主に英語ですが、必要に応じて日本語でも説明します。または、日本語の講義資料もあります。
The class slides, materials, and explanations are primarily in English, however, additional explanations will be given in Japanese as needed.
現在進行中のコロナウイルスの影響により、最終試験は行わず、最終プロジェクトを中心とした授業に変更します。また、ビデオ解説はオンデマンド形式(いつでも見られる形式)で行い、Q&AはMoodleの機能を利用して行います。
コロナウイルスの進化により、詳細は変更される場合があります。

コンピュータグラフィックス最適化では、カラー化、テクスチャ合成、または形状操作などの様々な最適化を用いたコンピュータグラフィックス技術の説明に焦点を当てます。凸型最適化と非線形最適化の両方を勉強し、最近のディープラーニング系の研究についても議論します。各講義では、特定のアルゴリズムの理論的な基礎を説明し、説明された技術に基づいて実際の研究例を説明します。

授業の評価は、主に課題と大規模なプロジェクトに基づいて行われます。プロジェクトは小グループに分かれて、授業で学んだ技術を実践することで構成されます。

プログラミングの課題とプロジェクトは、Jupyterノートブックを使ってPythonで行います。この授業ではPythonの基礎を学べますが、追加のリソースを使って自習することを強くお勧めします。

目標

  1. 多様な最適化アルゴリズムの基礎を学ぶ
  2. 実際の課題を最適化問題として表現できる
  3. 最適化問題を正確または近似的に解く能力
  4. 多様なコンピュータグラフィックス最適化アプリケーションの知識

準備

The following are slides that are meant to refresh basic concepts that are used throughout the lessons. Students are advised to review the following concepts before starting the class.

  1. Python Crash Course 資料 A Whirlwind Tour of Python
  2. Mathematics Refresher 資料 CO Appendix A

授業計画

  1. Overview, Introduction, Least-Squares 資料 CO Chapter 1 NO Chapter 1
  2. Line Search 資料 NO Chapter 2+3
  3. Convex Optimization I: Definitions 資料 CO Chapter 2+3+4
  4. Convex Optimization II: Duality 資料 CO Chapter 5
  5. Unconstrained Minimization 資料 CO Chapter 9 NO Chapter 2
  6. Newton and Quasi-Newton Methods 資料 NO Chapter 6
  7. Derivatives 資料 NO Chapter 8
  8. Linear Programming: The Simplex Method 資料 NO Chapter 13
  9. Linear Programming: Interior-point Methods 資料 CO Chapter 11 NO Chapter 14
  10. Review 資料
  11. Metaheuristics 資料 EM
  12. Deep Learning I: Data, Models 資料
  13. Deep Learning II: Advanced Techniques 資料
  14. Paper Review 資料
  15. Group Work Presentation 資料

Jupyter Notebooks

教科書

  • CO Stephen Boyd, Convex Optimization, Cambridge University Press, 2004. ISBN: 978-0521833783 website PDF
  • NO Jorge Nocedal and Stephen Wright, Numerical Optimization (2nd Edition), Springer, 2006. ISBN: 978-0387303031
  • EM Sean Luke. Essentials of Metaheuristics. lulu.com, 2013. ISBN: 978-1300549628 website
  • Additional Resources
    • Aharon Ben-Tal and Arkadi Nemirovski, Lectures on Modern Convex Optimization PDF
    • Sébastian Bubeck, Convex Optimization: Algorithms and Complexity PDF
    • Jake VanderPlas, A Whirlwind Tour of Python, O’Reilly Media, 2016. ISBN: 978-1492037859 website
    • Jake VanderPlas, Python Data Science Handbook, O’Reilly Media, 2016. ISBN: 978-1491912058 website
    • Charles R. Severance, Python for Everybody: Exploring Data Using Python 3, Createspace Independent Pub, 2016. ISBN: 978-1530051120 website
    • Aston Zhang, Zack C. Lipton, Mu Li, Alex J. Smola, Dive into Deep Learning, 2019. website