More Related Content More from harmonylab (20) 勉強会用スライド3. 紹介論文
• Unsupervised Representation Learning with Deep Convolutional
Generative Adversarial Networks
• A. Radford, L. Metz, and S. Chintala. Unsupervised representation learning with deep convolutional generative
adversarial networks. CoRR, abs/1511.06434, 2015.
• 2015年11/19,論文投稿サイトarXivに初版投稿
• Qiita、Twitter等で話題に
– 人工知能がイラストを描いた
• 2016年には、応用例もいくつか登場
• 概要
– 敵対的ネットワーク(GAN)をCNNに適応した
– データセットの画像にそっくりな画像を生成できるようになった
– 生成画像の精度を高めるための工夫
– 実験
2
6. Generative Adversarial Nets(GAN)
Goodfellow, Ian J., Pouget-Abadie, Jean, Mirza, Mehdi, Xu, Bing, Warde-Farley, David, Ozair, Sherjil, Courville, Aaron C.,
and Bengio, Yoshua. Generative adversarial nets. NIPS, 2014.
• 用意したサンプルデータ群に似たデータを生成するための方法
• 以下の2つのモデルを競争させることによって、お互いに学習していく
– G:Generator(生成器):ランダム生成ベクトルzを入力して、サンプル群ににたデータを出
力することによって、Dを騙すことを目的とする
– D:Discriminator(識別器):受け取ったデータが、サンプル群から得られたデータ(本物)
なのか、Gによって生成されたデータ(偽物)なのかを見分けることを目的とする
• GANは、以下の価値関数V(G,D)で表現されるミニマックスゲームとして定
義される
5
26. Generating Videos with Scene Dynamics
Vondrick, Carl, Hamed Pirsiavash, and Antonio Torralba. "Generating videos with scene dynamics." Advances In Neural Information
Processing Systems. 2016.
• GANを用いて画像から1秒程度の動画を生成する手法
– 100次元ランダムベクトルzから動画生成できるようにGeneratorを設計
25
Generatorのモデル図
Beach Train Station
27. Image-to-Image Translation with Conditional Adversarial Networks
Isola, Phillip, et al. "Image-to-image translation with conditional adversarial networks." arXiv preprint arXiv:1611.07004 (2016).
• 従来、画像変換はタスクごとに独自のアプローチを検討
– ネットワークモデルの構造など
• GeneratorにZだけでなく、変換前の画像も与える
– 図は航空写真→マップの変換タスク
26
引用:http://qiita.com/hiromu1996/items/38f1bd5a78336fa8ca25
pix2pixでポップアートから写真を復元してみた (追記あり)
• 後はGANと同じように競わせることで、
お互いに強くなっていく
• Discriminatorに損失関数そのものを
学習させていることになる
– 従来は個別に設計する必要があった
→1つのネットワークモデルで様々なタス
クに対応できる