文献

J-GLOBAL ID：201902231694594779   整理番号：19A0465185

自然画像とアートワークの条件付き合成のための改良型ARTGaN【JST・京大機械翻訳】

Improved ArtGAN for Conditional Synthesis of Natural Image and Artwork

著者 (4件)： Tan Wei Ren (Shinshu University, Nagano, Japan) ,  Chan Chee Seng (Center of Image and Signal Processing, Faculty of Computer Science and Information Technology, University of Malaya, Kuala Lumpur, Malaysia) ,  Aguirre Hernan E. (Shinshu University, Nagano, Japan) ,  Tanaka Kiyoshi (Shinshu University, Nagano, Japan)
資料名： IEEE Transactions on Image Processing  (IEEE Transactions on Image Processing)
巻： 28  号： 1  ページ： 394-409  発行年： 2019年 
JST資料番号： W0364A  ISSN： 1057-7149  CODEN： IIPRE4  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,条件付き画像合成のための生成的な対数ネットワーク(GAN)を改善するための一連の新しいアプローチを提案し,提案したモデルを「ArtGAN」と名付けた。ArtGANの鍵となる革新の一つは,損失関数の勾配(それぞれの生成画像にランダムに割り当てられた)を,カテゴリー識別器から発電機へ逆伝搬させることである。ラベル情報からのフィードバックによって,発電機はより効率的に学習することができて,より良い品質によって画像を生み出すことができた。最近の研究に触発されて,自動符号器は付加的な相補的情報のためのカテゴリー識別器に組み込まれている。最後に,画像品質を改善するための新しい戦略を導入した。実験では,アブレーション研究により,CIFAR-10とSTL-10上のArtGANを評価した。経験的結果は,提案したモデルが,インceptionスコアに関して,CIFAR-10に関する最先端の結果より優れていることを示した。定性的には,ArtGANは,Oxford-102とCUB-200上で,また,スタイル,アーティスト,およびジャンルに基づいて,現実的な芸術を引き出すことができるように,もっともらしく見える画像を生成することができることを実証した。ソースコードとモデルは,https://github.com/cs-chan/ArtGANで利用可能である。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 弁別器 ,  モデル ,  符号器 ,  ネットワーク ,  品質 ,  対数 ,  *工作物 ,  アブレーション ,  *画像 ,  画質
準シソーラス用語： ソースコード ,  芸術家 ,  最先端 ,  スコア ,  *自然画像 , 【Automatic Indexing@JST】

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  レーダ  (ND13010H)

タイトルに関連する用語 (3件)： 自然画像 ,  アート ,  ワーク