研究課題/領域番号 |
17K12689
|
研究種目 |
若手研究(B)
|
配分区分 | 基金 |
研究分野 |
高性能計算
|
研究機関 | 筑波大学 (2017, 2019) 豊橋技術科学大学 (2018) |
研究代表者 |
遠藤 結城 筑波大学, システム情報系, 助教 (00790396)
|
研究期間 (年度) |
2017-04-01 – 2020-03-31
|
研究課題ステータス |
完了 (2019年度)
|
配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2019年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2018年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2017年度: 2,210千円 (直接経費: 1,700千円、間接経費: 510千円)
|
キーワード | コンピュータグラフィックス / 画像処理 / 深層学習 / ニューラルネットワーク / 畳み込みニューラルネットワーク / CNN / LSTM / 生成モデル / コンピュータグラフィクス / 画像 / 画像生成 / 人工知能 |
研究成果の概要 |
動画は画像と比べて遥かに複雑な情報を含むことから、AI による動画の理解・生成は画像以上に難しい問題として、数多くの研究者によって取り組まれてきた。今回開発した技術では、自然景観画像を対象に、複雑な変化を複数の単純な要素に分解して扱うことで、効率的な動画の学習を実現した。具体的には、雲のような細かい動きと昼夜のような全体的な色の変化を扱うニューラルネットワークを別々に学習させる。今回開発した技術により、インターネット上の景観画像から手軽に、従来技術よりも高品質な時間経過の動画を生成できるようになった。
|
研究成果の学術的意義や社会的意義 |
AI の代名詞とも言えるディープラーニングの進歩により、一枚の静止画像から未来の動きを予測することが可能となってきた。しかし現在の最先端の技術でさえ、出力となる動画の解像度が 128×128 画素程度という低解像度であったり、出力できるフレーム数が 32 程度とごく短かったりと、低品質な出力に留まっていた。今回開発した技術では、例えば 640×360 画素で 1,000 フレーム以上といった、従来技術よりも格段に高品質な動画を出力できるようになった。本技術は、エンターテイメント用途に加え、景観予測シミュレーションなどへの応用も期待される。
|