文献

J-GLOBAL ID：202302257107818978   整理番号：23A0067188

転移学習で強化したGANによる稀少データから写実的な都市画像の自動生成

AUTOMATIC GENERATION OF REALISTIC CITY IMAGES FROM RARE DATASET USING GAN ENHANCED WITH TRANSFER LEARNING

著者 (5件)： 柴田洋佑 (九州大学大学院 工学府土木工学専攻) ,  町田禎弥 (九州大学大学院) ,  西村和也 (九州大学大学院 システム情報科学府情報知能工学専攻) ,  備瀬竜馬 (九州大学大学院 システム情報科学研究院情報知能工学部門) ,  浅井光輝 (九州大学 工学研究院社会基盤部門)
資料名： AI・データサイエンス論文集(Web)  (Artificial Intelligence and Data Science (Web))
巻： 3  号： J2  ページ： 551-557(J-STAGE)  発行年： 2022年 
JST資料番号： U2325A  ISSN： 2435-9262  資料種別： 逐次刊行物 (A)
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： 近い将来発生が予想される巨大津波に向け,既存の防災教育を強化・改善を求める声が大きくなりつつある.自然災害を仮想的に体験出来るVRは,市民の防災意識醸成に極めて有効であることが実証されつつあり,現実と仮想を重畳した新たな防災教育コンテンツが期待されている.しかし,都市部を模した仮想空間の創造には,構造物の写実的なテクスチャをマッピングする必要があり,莫大な人的・時間のコストを要する.ここで,Wangらが提案したpix2pixHDは,教師画像及び,ラベルデータ,物体境界データを学習することによって,高解像度の写実的な画像を生成出来ることが示された.本研究では,このpix2pixHDと他の類似領域で学習したネットワークを転用する転移学習を用いて,日本国内の限定的な画像データから,日本国内の都市域テクスチャマッピングを実施した.(著者抄録)

シソーラス用語： *人工知能 ,  バーチャルリアリティ ,  ニューラルネットワーク ,  機械学習 ,  画像 ,  *画像合成
準シソーラス用語： *GAN ,  *pix2pixHD ,  *テクスチャマッピング ,  高解像度画像 ,  *転移学習

著者キーワード (4件)： Generative Adversarial Networks ,  Virtual Reality ,  pix2pixHD ,  Transfer training

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z)

引用文献 (19件)：

• 1) 総務省消防庁:東日本大震災記録集第三章, 2013
• 2) S. Oyelere, N. Bouali, R. Kaliisa, G. Obaido, A. A. Yunusa, E. R. Jimoh: Exploring the trends of educational virtual reality games: a systematic review of empirical studies, Smart Learning Environments, Vol. 7, pp. 1-22, 2020.
• 3) O. Farley, K. Spencer, L. Baudinet: Virtual reality in sports coaching, skill acquisition and application to surfing: A review. Journal of Human Sport and Exercise, Vol. 15, No. 3, pp. 535-548, 2020
• 4) エイト日本技術開発:津波避難体験システム
• 5) 理化学研究所計算科学研究機構: 計算科学の世界, No.15, 2017.

タイトルに関連する用語 (5件)： 転移学習 ,  強化 ,  GaN ,  都市 ,  自動生成