文献

J-GLOBAL ID：202202227114356603   整理番号：22A2932978

キャラクタ顔画像の描画スタイル空間の生成と応用

Generation and Application of Drawing Style Space for Character Face Images

著者 (2件)： 井上剛志 (京大 大学院情報学研究科) ,  中澤篤志 (京大 大学院情報学研究科)
資料名： 電子情報通信学会技術研究報告(Web)  (IEICE Technical Report (Web))
巻： 122  号： 200(MVE2022 18-33)  ページ： 74-78 (WEB ONLY)  発行年： 2022年09月29日 
JST資料番号： U2030A  ISSN： 2432-6380  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： Generative Adversarial Networks(GAN)は画像生成において急速に普及している。GANに対してスタイルパラメータを導入したアーキテクチャであるStyleGAN及びStyleGAN2は年齢,性別,髪型,眼鏡,絵の画風など,画像に関する属性を対象画像に任意に適用することができる。スタイル変換の幅は非常に広く,人物から人物への変換だけでなく動物や車などを対象にしたものや,人を絵画やアニメーション風に変換するものなど,多岐にわたる。またその高い画像生成能力は多くのサービスに利用され,特に人物顔画像に対してスタイル変換を行うことには大きな需要がある。本研究では,アニメーションのプロダクションごとのキャラクターの画風を描画スタイルとみなし,スタイル変換ネットワークによって特徴空間を獲得・可視化および入力画像に対して適用する手法を提案する。ネットワークとしては,StyleGAN2をベースとしてConditional GANの要素を付加した手法を提案し,学習された潜在空間に対してUMAP等の手法で可視化を行い,潜在変数がプロダクションごとに分布することを確認した。また,人物顔画像を投影・及び逆変換することで人物画像を様々なスタイルに変換する手法を提案した。(著者抄録)

シソーラス用語： *顔画像 ,  *コンピュータアニメーション ,  型 ,  人工知能 ,  *画像変換 ,  写真像 ,  投影法【図法】 ,  教師つき学習 ,  独立成分分析
準シソーラス用語： スタイル ,  敵対的生成ネットワーク

分類 (1件)： 図形・画像処理一般  (JE04010I)

引用文献 (14件)：

• S.L. Tero Karras and T. Aila, “A style-based generator architecture for generative adversarial networks,” Proceedings of the IEEE conference on computer vision and pattern recognition, pp.4401-4410, 2019.
• M.A.J.H.J.L. Tero Karras, Samuli Laine and T. Aila, “Analyzing and improving the image quality of stylegan,” Proceedings of CVPR, pp.●●-●●, 2020.
• Z.Q.G.Z.P.W. Mingcong Liu, Qiang Li and W. Zheng, “Blendgan: Implicitly gan blending for arbitrary stylized face generation,” Advances in Neural Information Processing Systems, pp.●●-●●, 2021.
• C.L.A.A.E.Y.J.L.E.S. Utkarsh Ojha, Yijun Li and R. Zhang, “Few-shot image generation via cross-domain correspondence,” CVPR, pp.●●-●●, 2021.
• A.M.T.K.T.A.J.L. Ming-Yu Liu, Xun Huang and J. Kautz, “Few-shot unsueprvised image-to-image translation,” arxiv, pp.●●-●●, 2019.

タイトルに関連する用語 (5件)： キャラクタ ,  顔画像 ,  描画 ,  スタイル ,  応用