Файл:Deep Convolutional Inverse Graphics Network 1503.03167v4.pdf

Материал из Материалы по машинному обучению
Перейти к: навигация, поиск
Deep_Convolutional_Inverse_Graphics_Network_1503.03167v4.pdf(0 × 0 пикселей, размер файла: 4,01 МБ, MIME-тип: application/pdf)

TejasD.Kulkarni*1,WillWhitney*2,PushmeetKohli3,JoshuaB.Tenenbaum4 1,2,4Computer Science and Artificial Intelligence Laboratory, MIT 1,4Brain and Cognitive Sciences, MIT 3Microsoft Research Cambridge, UK 1tejask@mit.edu 2wwhitney@mit.edu 3pkohli@microsoft.com 4jbt@mit.edu * First two authors contributed equally to this work.

Abstract

This paper presents the Deep Convolution Inverse Graphics Network (DC-IGN), a model that learns an interpretable representation of images. This representation is disentangled with respect to transformations such as out-of-plane rotations and lighting variations. The DC-IGN model is composed of multiple layers of convolution and de-convolution operators and is trained using the Stochastic Gradient Variational Bayes (SGVB) algorithm [11]. We propose a training procedure to encourage neurons in the graphics code layer to represent a specific transformation (e.g. pose or light). Given a single input image, our model can generate new images of the same object with variations in pose and lighting. We present qualitative and quantitative results of the model’s efficacy at learning a 3D rendering engine.


Keywords: Stochastic Gradient Variational Bayes (SGVB)


Source Code

https://github.com/willwhitney/dc-ign

История файла

Нажмите на дату/время, чтобы просмотреть, как тогда выглядел файл.

Дата/времяРазмерыУчастникПримечание
текущий18:02, 23 декабря 20160 × 0 (4,01 МБ)Slikos (обсуждение | вклад)
  • Вы не можете перезаписать этот файл.

Следующая 1 страница ссылается на данный файл: