[2015 NIPS] Deep Convolutional Inverse Graphics Network

---

Table of content (short-version) [paper] [github]

• Summary
• Architecture
• Experimental results
• References

---

Summary

• 영상의 표현을 해석가능하게 만들어 원하는 영상 생성 가능
• Disentanglement 논문의 초기 버전
• 한계점: 원하는 variation만을 갖는 데이터셋을 얻기가 힘들다.

---

Architecture

[전체 프레임워크]

[latent vector의 구조]

• 학습 방법
  • 학습하려는 특성에 대응하는 $z_train$은 제대로 forward, backward하고 나머지 z는 clamp하여 z의 배치 평균을 이용한다.

[학습 방법]

---

Experimental results

[실험결과: light direction & pose elevation 변화]

[실험결과: pose azimuth 변화]

---

References

[1] Kulkarni, Tejas D., et al. “Deep convolutional inverse graphics network.” Advances in neural information processing systems. 2015.

[2] https://lyusungwon.github.io/generative-models/2018/05/01/dcign.html