Publicly Offered Research
Grant-in-Aid for Scientific Research on Innovative Areas (Research in a proposed research area)
ワンショット学習は、脳の最も驚くべき汎化能力の一つである。例えば、顔画像を一例だけ覚えておくだけで、どの方向を向いた顔を見せられても認識できる。ワンショット学習は、人工知能分野でも時折取り上げられる難問であるが、決定的なアルゴリズムはまだなく、黎明期の技術である。本研究では、神経科学における高次視覚野の理論的・実験的知見と、深層生成学習という近年の機械学習技術を融合することにより、高性能なワンショット学習の人工実現を目指す。
前年度までgroup-based variational autoencoder (GVAE)を開発し、その上でワンショット学習の枠組みを考案した。今年度はさらに拡張して、高次視覚野の一般物体のモデルを深層学習モデルCIGMOを構築した。深層学習モデルGVAEの混合モデルとを考え、高次視覚野の物体のカテゴリに対応 して混合コンポネントを考えることにし、それぞれのコンポネントのGVAEが、各カテゴリの恒常的な表現となるようにした。このようなモデルを生成モデルとして定式し、VAE法で学習するアルゴリズムを構築した。ShapeNetデータセットを用いて、グループベースの学習で訓練した。隠れ変数としてカテゴリごとの恒常的な形状表現が得られるため、これを用いたワンショット学習を行い、定量的に性能測定をした。また、GVAEやMLVAE,VAEなどと比較したところ、性能で凌駕した。これにより、カテゴリ化により、表現がより特化し、それにより下流タスクの性能向上につながるという結果を得た。さらに、CIGMOを用い、swappingやinterpolation, random generationなどの、画像生成タスクを行い、定性的に期待する動作を確認した。
令和2年度が最終年度であるため、記入しない。
All 2021 2020 2019 Other
All Int'l Joint Research (1 results) Journal Article (5 results) (of which Int'l Joint Research: 1 results, Peer Reviewed: 4 results, Open Access: 4 results) Presentation (3 results) (of which Int'l Joint Research: 3 results)
Current Biology
Volume: 31 Issue: 1 Pages: R13-R15
10.1016/j.cub.2020.10.065
Communications Biology
Volume: 3 Issue: 1 Pages: 1-15
10.1038/s42003-020-0945-x
28th International Joint Conference on Artificial Intelligence(IJCAI2019)
Volume: n/a
Conference on Cognitive Computational Neuroscience(CCN2019)
