【NIPS2017最新Tutorial】幾何深度學習(Geometric Deep Learning )講解(附slide下載)

點擊上方「專知」關注獲取專業AI知識!

【導讀】美國時間 12 月 4 日，第 31 屆神經信息處理系統大會（Neural Information Processing Systems，NIPS）在美國加州長灘的會展中心正式開幕！NIPS是人工智慧和機器學習領域的頂會，來自世界範圍內優秀的科學家、研究人員和從業者都將匯聚一堂，相互切磋工作，將在未來的五天裡共同討論和分享人工智慧的前沿想法和未來發展。每年 NIPS 的會議上，都會有非常重量級的 tutorial 和工作發表。今天，專知內容組整理Michael Bronstein教授講解的Tutorial《Geometric Deep Learning on Graphs and Manifolds》（圖和流形的幾何深度學習）分享給大家。

▌摘要

在過去的幾年，深度學習方法在多個領域取得了前所未有的成就，比如計算機視覺和語言識別。目前研究者主要將深度學習方法應用於歐氏結構數據，然而有些非常重要的應用需要處理非歐氏空間結構的數據，比如圖和流形。這些幾何數據在許多任務重的重要性越來越多高，比如3D視覺、傳感網絡、藥品研發、生物醫藥、推薦系統以及各種web程序。 深度學習在這些方面的應用有著明顯的滯後，這是因為處理的對象的非歐性質使得在深層網絡中對其基本操作的定義相當麻煩。

本教程的目的是介紹幾何深度學習在圖和流形數據上的最新成果，並綜述針對這些問題的解決方法、關鍵難點和未來的研究方向。

▌作者

Michael Bronstein

瑞士提契諾大學副教授，主要研究機器學習和計算機視覺

http://www.inf.usi.ch/bronstein/research.html

Joan Bruna

紐約大學數學與數據科學中心副教授，曾跟隨Yann Lecun讀博士後

https://cims.nyu.edu/~bruna/

Arthur Szlam

Facebook FAIR實驗室科學家，在加入Facebook之前在紐約城市大學城市學院數學系任助理教授。主要研究興趣為機器學習，圖數據上的諧波分析

https://research.fb.com/people/szlam-arthur/

Xavier Bresson

南洋理工大學副教授

http://www.ntu.edu.sg/home/xbresson/

Yann LeCun

紐約大學終身教授、FacebookAI研究室主任，CNN的發明者

https://www.google.com.au/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=0ahUKEwjG-NCg4vLXAhUBi5QKHckRDZUQFggpMAA&url=http%3A%2F%2Fyann.lecun.com%2F&usg=AOvVaw3Cd-pJyzVdoc_4BN0jGS0w

▌相關論文

教程主講人Michael Bronstein在CVPR 2017 曾發表論文《幾何深度學習:在圖和流形上使用CNN混合模型》Geometric deep learning on graphs and manifolds using mixture model CNNs

作者提出一個統一框架可以將CNN結構推廣到非歐幾裡得域(圖和流形)中，並可以學習局部的,平穩的,組合的特定任務特徵。作者也表明了先前文獻中提出的各種非歐幾裡得CNN方法都可以被視為作者提出框架的特例。最後，作者在圖像，圖和三維形狀分析領域的標準任務中測試了提出的方法，結果表明都優於先前的方法。

作者用所提出的MoNet方法在FAUST人類數據集測試例子的結果如下：

圖1.顯示從最左邊的身體參考形狀轉移到不同姿勢的身體各個部分紋理之間的對應關係。

連結：

https://nips.cc/Conferences/2017/Schedule?showEvent=8735

▌PPT

註：由於PPT有238頁，未能全部展示，感興趣的讀者可以在專知公眾號後臺回復下載全部slide.

請關注專知公眾號（掃一掃最下面專知二維碼，或者點擊上方藍色專知）

Long-press QR code to transfer me a reward

As required by Apple's new policy, the Reward feature has been disabled on Weixin for iOS. You can still reward an Official Account by transferring money via QR code.