| Project/Area Number |
23K11727
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 90010:Design-related
|
|---|
| Research Institution | University of Nagasaki |
|---|
Principal Investigator |
平岡 透 長崎県立大学, 情報システム学部, 教授 (30626891)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
片山 徹也 長崎県立大学, 情報システム学部, 教授 (00612805)
井上 光平 九州大学, 芸術工学研究院, 准教授 (70325570)
野中 尋史 愛知工業大学, 経営学部, 准教授 (70544724)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥4,680,000 (Direct Cost: ¥3,600,000、Indirect Cost: ¥1,080,000)
Fiscal Year 2025: ¥1,820,000 (Direct Cost: ¥1,400,000、Indirect Cost: ¥420,000)
Fiscal Year 2024: ¥2,340,000 (Direct Cost: ¥1,800,000、Indirect Cost: ¥540,000)
Fiscal Year 2023: ¥520,000 (Direct Cost: ¥400,000、Indirect Cost: ¥120,000)
|
|---|
| Keywords | ノンフォトリアリスティックレンダリング / 復元誤差 / アイトラッカー / 生理心理評価 / GAN / 生成モデリング / 非写実的な画像 |
|---|
| Outline of Research at the Start |
本研究では，復元誤差と生成モデリングによる新しいタイプの非写実的な画像を開発する．写真画像や動画，3次元データをさまざまなフィルタリング処理によって変換し，変換後のデータを逆フィルタによって復元するという反復計算を行う中で，復元誤差が蓄積することで自発的なパターンを形成した新しいタイプの非写実的な画像を生成する．さらに，GAN（敵対的生成ネットワーク）を用いた生成モデリングによって，複数の種類の非写実的な画像を融合することで，新しい表現を創発させる．加えて，本研究では非写実的な画像の評価法を生理心理的なアプローチから構築する．
|
| Outline of Annual Research Achievements |
復元誤差などによって，次に示す新しいタイプのノンフォトリアリスティックレンダリング(NPR)を開発した．：(1)重みシフトバイラテラルフィルタを用いたイスラム模様風画像，(2)Circular Slopeフィルタを用いた星屑風画像，(3)相関係数を用いた一方向Parallel-Fine-Curve-Line画像，(4)スムージングフィルタを用いた反応拡散模様風画像，(5)バイラテラルフィルタとアンシャープマスクを用いたRGB-D画像からスムーズなモアレ風画像，(6)領域分割スムージングフィルタを用いた波紋画像，(7)スペースが可変なストライプアート画像，(8)テンプレートによる相関係数を用いた波紋画像とチェッカーパターン画像，(9)異なるウィンドウサイズの周辺差分フィルタを用いた点光源画像，(10)スムージングフィルタと折り返し処理を用いたまだら画像，(11)ポアソン分布とエントロピーを用いたアブストラクトペインティング画像，(12)逆アイリスフィルタを用いたセル風画像，(13)スムージングフィルタを用いたストライプパッチワーク画像，(14)縦横スムージングフィルタを用いた流線画像，(15)バイラテラルフィルタを用いたRGB-D動画からのモアレ風動画，(16)ウィンドウサイズが拡張されたPrewittフィルタを用いたRGB-D動画からのチェッカーパターン動画
アイトラッカーを用いてNPRの画像を生理心理的側面から評価する方法を検討した．このとき，NPRの画像を見るときの視線動作を用いた基礎実験を行った．
敵対的生成ネットワーク(GAN)の一つであるDCGAN（Deep Convolutional GAN）を用いて，セル風画像とParallel-Fine-Curve-Line画像を合成し，新しい表現の非写実的な画像を創発させる研究を行った．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
16種類のタイプのNPRを開発した，RGB-D動画を用いたNPRを開発した．また，アイトラッカーを用いて，パラメータの値を変えた場合のセル風画像の生理心理評価を行った．さらに，DCGANを用いてセル風画像とParallel-Fine-Curve-Line画像を合成し，新しい表現の非写実的な画像を創発させる研究を行った．
以上より，現在の研究がおおむね順調に進展していると評価する．
|
| Strategy for Future Research Activity |
2024年度も引き続きさまざまなタイプのNPRを開発する．また，スタイルトランスファーを用いて，新しい表現の非写実的な画像を創発させる研究を行う．
|
