WEKO3
アイテム
GANの意味空間における属性ベクトル場の学習
https://ipsj.ixsq.nii.ac.jp/records/218588
https://ipsj.ixsq.nii.ac.jp/records/2185889ce3dfbd-d64b-475d-8d2c-114dac53fee4
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-MPS22138018.pdf (2.5 MB)
|
Copyright (c) 2022 by the Institute of Electronics, Information and Communication Engineers This SIG report is only available to those in membership of the SIG.
|
|
| MPS:会員：¥0, DLIB:会員：¥0 | ||
| Item type | SIG Technical Reports(1) | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2022-06-20 | |||||||||
| タイトル | ||||||||||
| タイトル | GANの意味空間における属性ベクトル場の学習 | |||||||||
| タイトル | ||||||||||
| 言語 | en | |||||||||
| タイトル | Learning Attribute Vector Fields in GAN Latent Space | |||||||||
| 言語 | ||||||||||
| 言語 | jpn | |||||||||
| 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 | ||||||||||
| 大阪大学大学院基礎工学研究科 | ||||||||||
| 著者所属 | ||||||||||
| 大阪大学大学院基礎工学研究科 | ||||||||||
| 著者所属(英) | ||||||||||
| en | ||||||||||
| Generative Adversarial Networks (GANs) can generate a great variety of high-quality images. Despite their ability to generate images, semantic editing of GANs generated images is troublesome. To address this, recent studies proposed methods to discover semantically meaningful directions in GANs latent space. For semantic image editing, latent codes are manipulated along with discovered directions. However, these methods sometimes fail to discover such directions or cannot edit multiple attributes consistently. In this paper, we propose a method to learn semantic curvilinear coordinates in GANs latent space. The proposed method can discover a variety of semantic directions in GANs latent space and edit multiple attributes consistently. Experimental results on some pretrained GANs show that our methods can discover more disentangled semantic directions and edit images while conserving identity than a comparative method. | ||||||||||
| 著者名 |
青嶋, 雄大
× 青嶋, 雄大
× 松原, 崇
|
|||||||||
| 著者名(英) |
Takehiro, Aoshima Takashi Matsubara
× Takehiro, Aoshima Takashi Matsubara
|
|||||||||
| 論文抄録 | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | 敵対的生成ネットワーク (GAN) は非常に高精度に画像を生成することができる．また，GAN の生成画像を意味的に編集することは重要な課題の一つである．これまで GAN の潜在空間において意味的な経路を抽出し，それに沿って潜在変数を操作することで生成画像を意味的に編集する手法が提案されてきた．しかし，既存の手法では意味的な経路の抽出の精度が低かったり，複数の属性に同時に操作したときに整合性が取れないといった問題点があった．そこで本研究では潜在空間において各軸が属性の意味を持つ曲線座標系を学習する手法を提案する．提案手法は柔軟な経路の抽出と複数の属性の操作の整合性を取ることを両立している．いくつかの事前学習済み GAN を用いた実験から，提案手法が柔軟な経路の抽出により既存手法と比較してより属性ごとに分離した経路の抽出や同一性を保存した編集が可能であることを示した． | |||||||||
| 論文抄録(英) | ||||||||||
| 内容記述タイプ | Other | |||||||||
| 内容記述 | Generative Adversarial Networks (GANs) can generate a great variety of high-quality images. Despite their ability to generate images, semantic editing of GANs generated images is troublesome. To address this, recent studies proposed methods to discover semantically meaningful directions in GANs latent space. For semantic image editing, latent codes are manipulated along with discovered directions. However, these methods sometimes fail to discover such directions or cannot edit multiple attributes consistently. In this paper, we propose a method to learn semantic curvilinear coordinates in GANs latent space. The proposed method can discover a variety of semantic directions in GANs latent space and edit multiple attributes consistently. Experimental results on some pretrained GANs show that our methods can discover more disentangled semantic directions and edit images while conserving identity than a comparative method. | |||||||||
| 書誌レコードID | ||||||||||
| 収録物識別子タイプ | NCID | |||||||||
| 収録物識別子 | AN10505667 | |||||||||
| 書誌情報 |
研究報告数理モデル化と問題解決（MPS） 巻 2022-MPS-138, 号 18, p. 1-6, 発行日 2022-06-20 |
|||||||||
| ISSN | ||||||||||
| 収録物識別子タイプ | ISSN | |||||||||
| 収録物識別子 | 2188-8833 | |||||||||
| 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 | |||||||||
