最新《几何深度学习》教程，100页ppt，Geometric Deep Learning

本文推荐来自Emanuele Rodolà博士讲述《几何深度学习》，100页ppt系统性讲述了几何深度学习基础知识和最新进展，非常干货。 http://lcsl.mit.edu/courses/regml/regml2020/

几何深度学习

过去十年在计算机视觉研究已经见证了“深度学习”的重新崛起,特别是卷积神经网络(CNN)技术, 它允许从大量的样例中学习强大的图像特征表示。CNNs在图像分类、分割、检测和标注等广泛的应用中取得了性能上的突破。然而，当试图将CNN范式应用于三维形状、点云和图形(基于特征的描述、相似度、对应、检索等)时，必须面对图像与几何对象之间的根本差异。形状分析、图形分析和几何处理带来了图像分析中不存在的新挑战，而深度学习方法直到最近才开始渗透到这些领域。本教程的目的是概述非欧几里得数据学习技术的基础和目前的技术现状。本教程将特别关注应用于欧氏和非欧氏流形的深度学习技术(CNN)，以完成形状分类、检索和对应的任务。本教程将从新的角度介绍3D计算机视觉和几何数据处理的问题，强调与传统2D设置的类比和区别，并展示如何适应流行的学习方案，以处理非欧几里得结构。