Graph Machine Learning for Visual Computing (GML4VC) Tutorial
CVPR 2022 에서 Graph Machine Learning 에 대한 튜토리얼(tutorial)을 진행했습니다.
이에 대해 요약 정리 하는 시리즈 글입니다.
[ 이전 글 ]
2022.08.22 - [AI/Graph Neural Networks] - [ CVPR2022 / GML4VC ] 1. 개요 (Graph Machine Learning, GNNs)
Opening Remarks
- 동영상 링크 : Opening Remarks
- 발표자 : Organizers
open_remark.mp4
drive.google.com
왜 그래프 머신러닝(Graph Machine Learning)이 중요할까?
우리가 지금까지 다뤄온 대부분의 데이터, 예를 들면 이미지, 비디오, 오디오, 텍스트 등은 모두 고정된 그리드 형태의 데이터입니다. 고정된 그리드 형태라는 것은 고정된 순서가 존재하고 항상 형식화 할 수 있다는 것을 의미하죠.
그러나 실제 세계에는 고정된 그리드로 나타낼 수 없는 많은 데이터가 존재합니다. 예를들어, Social Networks, Citation Networks, Molecules, Point Clouds, 3D Meshes 등은 이미지나 텍스트 처럼 고정된 그리드로 표현할 수 없죠.
이번 튜토리얼의 주제인 시각정보처리(Visual Computing)분야에서도 그래프를 다양하게 활용합니다.
- Scene Graphs : 이미지의 정보를 그래프로 표현. 즉, 이미지 속의 객체와 그들 간의 관계를 그래프로 표현
- Superpixel Graphs : 유사한 픽셀들을 모아 superpixel로 만든 후 그들간의 관계를 그래프로 표현
- Faces / Skeletons : 사람의 얼굴이나 신체 구조를 point와 relation 그래프로 표현
- Point Clouds / Meshes : 3차원 데이터 표현 방법인 Pont Clouds 또는 Meshs 를 그래프로 표현
[ 다음 글 ]
2022.08.24 - [AI/Graph Neural Networks] - [ CVPR2022 / GML4VC ] 5. Pytorch Geometric 이란 무엇인가?
2022.08.25 - [AI/Graph Neural Networks] - [ CVPR2022 / GML4VC ] 6. Deep GNNs (심층 그래프 신경망) 기본 개념 정리
'Artificial Intelligence > Neural Networks' 카테고리의 다른 글
| [ CVPR2022 / GML4VC ] 4. Graph Neural Networks(GNNS) 기본 개념 정리 (0) | 2022.08.24 |
|---|---|
| [ CVPR2022 / GML4VC ] 3. Geometric Deep Learning (Invariant, Equivariant) (1) | 2022.08.22 |
| [ CVPR2022 / GML4VC ] 1. 개요 (Graph Machine Learning, GNNs) (0) | 2022.08.22 |
| [ CNN ] 가중치 초기화 (Weight Initialization) - PyTorch Code (0) | 2021.08.13 |
| [ CNN ] 6. Dilated convolution - PyTorch Code (0) | 2021.08.12 |
