컴퓨터 그래픽스 여름학교

2023년 7월 11(화) - 12(수)

2023. 07. 11 (화)

2023. 07. 12 (수)

Televerse: Teleport to the Augmented Real-World with Live Visual Effects

강사: 이태현 교수 (Victoria University of Wellington, New Zealand)
This course explores the integration of real-time 3D computer graphics and live visual effects (VFX) for augment telepresence. It introduces a novel framework, “Televerse”, for augmented telepresence, allowing users to virtually experience and interact within captured real spaces beyond physical distance. Topics include real-time panoramic/volumetric capturing, immersive media streaming, 6-DoF navigation, inverse rendering with machine learning, and real-time techniques including image-based lighting and composition. The course also discusses case studies involving real-time VFX for live-streaming concerts and more. Potential applications and future extensions of Televerse will be discussed.

연사소개

2012-현재, Victoria University of Wellington (VUW), 교수

2018-현재, Computational Media Innovation Centre (CMIC), 센터장

2017-2021, DreamFlux, Founder/CTO

2008-2012, 삼성 종합기술원, 수석 연구원

2003-2008, PhD, Computer Science, University of Southern California

1996-2003, 삼성전자, 책임 연구원

관심분야: Augmented Telepresence, Real-time Visual Effects, Inverse Rendering, Digital Twin

Introduction to Reinforcement Learning and Its Applications in Computer Animation

강사: 원정담 교수 (서울대학교 / Intelligent Motion Lab.)
2016년 Google Deepmind의 알파고가 바둑 세계챔피언 이세돌을 이겨 전 세계의 화제가 되었는데, 이때 사용된 방법이 바로 강화학습(Reinforcement Learning)이다. 강화학습은 에이전트, 환경, 그리고 둘 간의 상호작용하는 방법이 주어졌을 때, 에이전트가 해당 환경에서 어떻게 하면 최적의 의사결정을 할 수 있을지 학습하는 것을 목표로 한다. 이는 전문용어로 sequential decision making이라고 부른다. 강화학습은, 로봇제어, 자율주행, 주식투자등의 분야에서 이미 많은 놀라운 결과들을 보여주고 있고, 지금 현재도 다양한 분야로 영역을 넓히고 있는 범용의 강력한도구이다. 본 강의에서는 강화학습의 기본적인 배경이론, 딥러닝에 기반한 심층강화학습(Deep Reinforcement Learning)을 소개하고, 시간이 된다면 강화학습이 컴퓨터애니메이션(가상캐릭터제어 중심으로)에 어떻게 사용될 수 있는지에 대해서도 살펴본다. 수강하는 학생은 강화학습에 대한 사전지식이 없거나 기본적인 이해만하고 있다고 가정하며, 학부수준의 선형대수, 컴퓨터 그래픽스, 인공지능에 대한 기본 개념만 알고 있으면 강의 내용을 충분히 이해할 수 있다고 예상한다.

연사소개
Jungdam Won is an assistant professor in the Department of Computer Science and Engineering at Seoul National University (SNU) in Korea. Prior to joining SNU, he worked as a research scientist at Meta AI (formerly Facebook) for 3.5 years. Before that, he was a postdoctoral researcher at the Movement Research Lab at SNU, working under the supervision of Prof. Jehee Lee. He earned his Ph.D. and B.S. from SNU in 2017 and 2011, respectively, and was awarded the global Google Ph.D. fellowship program in Robotics in 2016 during his Ph.D. program. In terms of academic services, he has served as a committee member for several prestigious international conferences, including technical paper program and course committees for ACM SIGGRAPH Asia, and technical paper program committees for Eurographics, Pacific Graphics, Motion Interaction and Games, CASA, and IEEE AIVR. Additionally, he has worked as a reviewer for various conferences and journals, such as SIGGRAPH/SIGGRAPH Asia (ACM TOG), CVPR, RSS, CoRL, Eurographics (CGF), IEEE TVCG, and more. His current research areas include designing controllers for virtual/physical agents, understanding interactions between multiple agents, and developing easy-to-use and effective methods that bridge the gap between users and their virtual personas. His research utilizes various machine learning approaches, motion capture, and optimization techniques.

Is Transformer a powerful graph learner?: towards a unified framework for symmetric data structures

강사: 홍승훈 교수 (KAIST)
최근 기계학습 분야에서는 다양한 데이터와 인지 작업을 하나의 모델로 수행할 수 있는 통합 모델이 각광받고 있다. Transformer로 대표되는 이러한 통합 모델은 자연어, 이미지 등 기계학습에서 널리 사용되는 데이터에 대해서는 그 효과가 널리 입증되었으나, 이를 모든 종류의 데이터로 확장할 수 있는지는 흥미로운 연구 질문으로 남아있다. 본 강연에서는 그래프와 같이 특정한 대칭성(symmetry)을 갖는 데이터를 처리하기 위한 기계학습 원리들을 살펴보고, 이러한 대칭성을 다루도록 통합 모델이 어떻게 확장될 수 있는지, 대칭성을 갖는 대표적 데이터인 그래프에 집중하여 최근의 흥미로운 연구들을 소개한다.

연사소개

2019-현재: KAIST 전산학부 조교수 (김재철AI대학원 겸임)

2019: Visiting Faculty, Google Brain

2017-2019: Postdoc. University of Michigan

2011-2017: Ph.D. Computer Science and Engineering, POSTECH