| 研究課題/領域番号 |
20K19816
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61010:知覚情報処理関連
|
|---|
| 研究機関 | 筑波大学 |
|---|
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) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022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)
2022年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2021年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2020年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円)
|
|---|
| キーワード | 深層学習 / 画像生成 / GAN / 意味的画像合成 / 畳み込みニューラルネットワーク / GAN inversion / コンピュータグラフィックス / コンピュータビジョン / 変分オートエンコーダ / 画像合成 |
|---|
| 研究開始時の研究の概要 |
意味的画像合成は、ユーザがキャンバス上に「ここは建物、ここは木」という風に粗くラベルを塗るだけで、直感的に画像を生成できる技術であり、世界的に注目を集めている。深層学習によって大量の教師データを用いた学習をすれば写実的な画像を作れるが、教師データ作成の人的コストは大きい。本研究では、限られたラベル付教師データやラベルなし訓練データを効率的に活用できる深層学習の枠組みを開拓し、従来よりも高品質な意味的画像合成の実現を目指す。
|
| 研究成果の概要 |
意味的画像合成とは、画素単位で建物や木々などの意味情報をラベル付けしたレイアウトのマップから画像のを生成する技術である。本研究では、少量のラベル付き教師データだけを用いて、高品質かつ多様な意味的画像合成が可能なアルゴリズムを開発した。さらに、ラベル付き教師データを全く用いずに、画像生成のレイアウトを制御する手法も開発した。研究成果として、意味的画像合成の多様化技術(国内発表2件、雑誌論文・国際会議論文2件)、few-shot意味的画像合成技術(国内発表1件、雑誌論文・国際会議論文1件)、zero-shot画像生成制御技術(国内発表1件、雑誌論文・国際会議論文1件)などの論文成果が得られた。
|
| 研究成果の学術的意義や社会的意義 |
本研究成果は、ここ数年で急速に発展している画像生成モデルにおいて、ユーザが介入可能な方法を開拓し、意味ラベルマップなど用いて出力を従来よりも低コストで、柔軟かつ多様に制御可能な方法を示したことに学術的な意義がある。社会的には、コンテンツ産業における創作活動の促進だけでなく、自動運転や医用画像解析の画像認識モデルの精度向上のための訓練データの構築など、本技術の広範な応用が期待できる。
|
