@techreport{oai:ipsj.ixsq.nii.ac.jp:00202766,
 author = {中島, 悠輔 and 坂内, 祐一 and Yusuke, Nakashima and Yuichi, Bannai},
 issue = {29},
 month = {Jan},
 note = {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．},
 title = {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},
 year = {2020}
}