IDEG의 연구노트

안녕하세요. 

제가 IDEG의 연구노트를 통해 첫 번째로 정리하고 공유 드릴 내용은 

제 연구분야 '외관 측정 및 모델링(Appearance Capture & Modeling)' 입니다.

영화, 게임 등의 다양한 분야에서 영상 콘텐츠를 제작할때 CG 기술을 사용하는 비율이 증가함에 따라

비쥬얼 컴퓨팅(visual computing) / 컴퓨터 그래픽스 분야에서는 현재까지 다양한 이론 및 모델링 방법들에 

대한 연구들이 활발하게 진행되어 왔습니다

저는 그 중에서도 물질(material) 또는 물체(object)들을 사실적으로 복원 또는 렌더링 하기 위해 외관을 측정하고 

모델링하는 분야에서의 다양한 이론 및 방법들에 대한 내용을 블로그를 통해 정리하고 공유드리고자 합니다.

학습 개요는 아래와 같습니다.

외관 측정 및 모델링(Appearance Capture & Modeling)

◆ 학습 목표:

• 다양한 물체/물질의 외관(appearance)을 획득하고 모델링하는 원리 및 방법 소개
• BRDF / RTI 등의 반사함수들을 직접 구현해 볼 수 있는 코드 공유

◆ 학습 계획

1. Physically-Based Reflectance / Rendering
   : 물리 기반 반사 이론 - 기본 개념 소개 (Reflectance, Lighting)
   
   
2. Physically-Based Reflectance / Rendering (2)
   : 반사 모델 및 원리 소개 (Reflectance function, Micro-facet theory etc.)
   
   
3. Appearance Capture & Modeling
   : 다양한 반사 모델 (BTF, SVBRDF, BRDF, RTI, etc.)에 대한 외관 측정 및 모델링 방법 소개

제가 연구하면서 공부한 내용들을 정리한 내용들이

외관 재질 측정 및 모델링을 연구하시거나 공부하시는 분들께 많은 도움이 되었으면 합니다.

궁금한 점이나 같이 토론할 내용들이 있으면 언제든지 답변 남겨주시기 바랍니다.

안녕하세요.

최근 분야를 막론하고 딥러닝(deep learning)이 큰 화제입니다.

특히 제가 연구하고 있는 비쥬얼 컴퓨팅(visual computing) 분야에서는

컴퓨터 비전(computer vision)과 영상 처리(image processing)를 중심으로

수 많은 딥러닝 관련 연구들이 우수한 성능을 뽐내며 쏟아져 나오고 있습니다.

마음 맞는 동료 연구자분들과 IDEG의 연구노트를 기획하면서

나는 어떤 내용들을 정리해서 올리면 좋을까 고민하던 중

문득 '딥러닝을 해보자' 라는 생각이 들었습니다.

딥러닝이 저의 주 연구 분야는 아니지만 공부하고 있는 내용들을 정리하고 공유하다보면

저도 더 많이 알고 배우는 기회가 될 것이라 믿습니다. (Learning to Share, Sharing to Learn)

학습 개요는 아래와 같습니다.

TensorFlow로 배우는 Deep Learning

◆ 학습 목표:

• 딥러닝 분야에 화두가 되고 있는 주요 인공신경망(neural network) 모델에 대한 핵심 개념 소개
• 구글의 텐서플로우(TensorFlow, Google)를 이용해 인공신경망들을 직접 구현해 볼 수 있는 코드/데이터셋 제공 

◆ 학습 계획

1. ML; Machine Learning & TF; TensorFlow
   : 머신러닝 기본 개념 및 텐서플로우 소개
   
   
2. ANN; Artificial Neural Network
   : 가장 기초적인 인공신경망 모델
   
   
3. CNN; Convolutional Neural Network
   : 영상 처리에 특화된 인공신경망 모델
   
   
4. AE; Auto Encoder
   : 대표적인 비지도학습(unsupervised learning) 모델
   
   
5. GAN; Generative Adversarial Networks
   : 결과물 생성을 위한 인공신경망 모델
   
   
6. RNN; Recurrent Neural Network
   : 자연어/음성 처리에 특화된 인공신경망 모델
   
   
7. DQN; Deep Q-Network
   : 대표적인 강화학습(reinforcement learning) 모델

◆ 참고 자료:

• 김진중. 골빈해커의 3분 딥러닝 텐서플로맛. 한빛미디어.
• Saito Goki, Deep Learning from Scratch, O'REILL.
• A. Muller, S. Guido. Introduction to Machine Learning with Python. O'REILL.
• Internet !!

딥러닝에 관심을 가지고 공부하시는 분들에게 도움이 되기를 바라며,

같은 입문자의 입장에서 제가 이해한 내용들을 쉽게 전달해 드릴 수 있도록 노력하겠습니다 :D

안녕하세요. IDEG의 연구노트 블로그입니다. 

IDEG의 연구노트 팀은 Visual Computing 분야(컴퓨터 비전 및 그래픽스, 영상처리 등)를 연구하는 열정적인 공학도들로 구성되어 있습니다. 

저희 팀은 공학도의 기초 학문인 수학, 물리를 포함하여 컴퓨터 비전 및 그래픽스, 딥러닝, 최적화 문제 등을 공부하고 연구하면서 

터득한 지식과 노하우를 다른 연구자들과 공유하고, 더 쉽고 재밌게 학문을 접하고 싶은 공학도들을 위해 작은 소통의 공간을 만들고자 합니다. 

저희가 정리한 연구노트들이 블로그 방문자들의 공부 또는 연구에  도움이 되었으면 합니다. 

연구에 대한 의견 및 토론 언제든지 환영합니다.