敵対的生成ネットワーク（GAN）を用いた似顔絵生成手法の検討

• Item type: SIG Technical Reports(1)
• 公開日: 2020-01-16
• タイトル: 敵対的生成ネットワーク（GAN）を用いた似顔絵生成手法の検討
• タイトル / 言語: en
• タイトル: A generation method of cartoon portrait using Generative Adversarial Networks
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: DCC
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 神奈川工科大学大学院情報工学専攻
• 著者所属: 神奈川工科大学情報メディア学科
• 著者所属(英): en
• 著者所属(英): Kanagawa Institute of Technology
• 著者所属(英): en
• 著者所属(英): Kanagawa Institute of Technology
• 著者名: 中島, 悠輔; 坂内, 祐一
• 著者名(英): Yusuke, Nakashima; Yuichi, Bannai
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 似顔絵は人物の外見・特徴をとらえて，デフォルメして描いた人物画である．現在，顔画像を似顔絵に変換する研究では，非教師学習を用いた変換手法や，それぞれパーツ毎に変換を行う手法の研究が行われている．しかし，プロのイラストレーターの個性を反映させるような研究は発表されていない．そこで，本研究ではプロのイラストレーターの個性を反映する為に，どのネットワークを用いれば良いか検討を行う．具体的には，pix2pix，CycleGAN ペア，CycleGAN 非ペア，Cyclepix の 4 つのネットワークを検討していく．違いとしては主に損失関数となっている．pix2pix は訓練データと生成データの誤差を取るが，CycleGAN では入力データと生成データを更に変換させた再変換データの誤差を取ることが主な違いである．Cyclepix は両方の誤差を取っている．また，pix2pix，CycleGAN ペアは Discriminator の入力が入力データと生成データペアと条件付けされており，CycleGAN 非ペアと Cyclepix では Discriminator の入力が生成データのみとなっていることも違いである．実験結果として，CycleGAN 非ペアと Cyclepix の評価が高いことが分かった．このことから Discriminator の入力が生成データのみ，Cycle Consistency Loss を利用することで精度が高い似顔絵を生成することに有用である．
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA12628327
• 書誌情報: 研究報告コンシューマ・デバイス＆システム（CDS）; 巻 2020-CDS-27, 号 29, p. 1-6, 発行日 2020-01-16
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8604
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会