Publicly Offered Research
Grant-in-Aid for Scientific Research on Innovative Areas (Research in a proposed research area)
本年度では、それまでに開発を進めてきたgroup-based variational autoencoder についてさらに研究を進めた。グループ化されたデータから、共通因子は「内容」、それ以外の因子は「変形」と して推定できるようにし、確率モデルとして定式化し、学習アルゴリズムを完成させた。顔画像など3D物体の画像データセットを５種類用意し、この手法を適用したところ、期待されたように内容と変形の因子を分離して推定できた。また、既存手法である基本的なvariaitonal aueoncoderと、multi-level variational autoencoderと、比較し、定量的に性能が凌駕することも示した。この手法を、テクスチャや風景など様々なタイプの異なる質感データに適用することも試みたが、意味のある分離は見られず、データセットに依存することも明らかになった。またサルの神経生理学で知られている視覚系の性質との関係も調べた。特に、本研究のモデルを用いて高次視覚野の顔領野を構築し、その性質を過去の生理学実験の結果と比較した結果、Freiwaldらの2009年と2010年のデータと高い類似度を示すことがわかった。
令和元年度が最終年度であるため、記入しない。
All 2019 2018
All Journal Article (4 results) (of which Peer Reviewed: 3 results, Open Access: 3 results) Presentation (5 results) (of which Int'l Joint Research: 2 results, Invited: 3 results)
28th International Joint Conference on Artificial Intelligence(IJCAI2019)
Volume: N/A
Conference on Cognitive Computational Neuroscience(CCN2019)
arXiv
Volume: 1809.02383
