物理・幾何に基づく深層画像生成

• Item type: SIG Technical Reports(1)
• 公開日: 2024-11-22
• タイトル: 物理・幾何に基づく深層画像生成
• タイトル / 言語: en
• タイトル: Deep image synthesis with physical and geometrical constraints
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 招待講演1
• 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: 日本電信電話株式会社 コミュニケーション科学機基礎研究所
• 著者所属(英): en
• 著者所属(英): NTT Communication Science Laboratories, NTT Corporation
• 著者名: 金子, 卓弘
• 著者名(英): Takuhiro, Kaneko
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 2000 年代に第三次 AI ブームが始まって以降，深層学習は様々な分野で技術革新を起こしてきています．その中の代表的な技術の一つとして，画像生成 AI があります．近年の画像生成 AI の発展は著しく，人が見ても生成物と見分けられないようなリアリティのある画像が生成できるようになりつつあります．この発展は，深層学習をベースとした生成モデル（深層生成モデル）の興隆によってもたらされたものです．しかし，単純な深層生成モデルはブラックボックス化されたニューラルネットワークで構成されているため，必ずしも実世界と矛盾のない画像を生成できるとは限りません．この課題を克服する一つの有効な手段として，深層生成モデルに物理・幾何などの実世界に基づく制約を導入することが考えられます．このような動機に基づき，私たちは，近年，物理・幾何に基づく深層画像生成の研究に取り組んでいます．本講演では，それらの研究成果について紹介します．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Since the third AI boom began in the 2000s, deep learning has been making tremendous progress in various fields. One of the most representative technologies is image generative AI. In recent years, image generative AI has made remarkable progress, making it possible to synthesize images that are almost indistinguishable from actual images. This progress has been brought about by the emergence of deep learning-based generative models, that is, deep generative models. However, since standard deep generative models are composed of black-box neural networks, they cannot guarantee the generation of images that are consistent with the real world. One effective way to overcome this challenge is to introduce real-world constraints, such as physical and geometrical constraints, into the deep generative models. With this background, we have been working on physics- and geometry-based deep generative models. In this talk, I will introduce the results of our research.
• 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: AN10100541
• 書誌情報: 研究報告コンピュータグラフィックスとビジュアル情報学（CG）; 巻 2024-CG-196, 号 34, p. 1-1, 発行日 2024-11-22
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8949
• 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