文献

J-GLOBAL ID：202002285288120622   整理番号：20A2540591

CariGAN:弱対敵対的学習による絵生成

CariGAN: Caricature generation through weakly paired adversarial learning

著者 (6件)： Li Wenbin (State Key Laboratory for Novel Software Technology, Nanjing University, China) ,  Xiong Wei (Department of Computer Science, University of Rochester, USA) ,  Liao Haofu (Department of Computer Science, University of Rochester, USA) ,  Huo Jing (State Key Laboratory for Novel Software Technology, Nanjing University, China) ,  Gao Yang (State Key Laboratory for Novel Software Technology, Nanjing University, China) ,  Luo Jiebo (Department of Computer Science, University of Rochester, USA)
資料名： Neural Networks  (Neural Networks)
巻： 132  ページ： 66-74  発行年： 2020年12月 
JST資料番号： T0698A  ISSN： 0893-6080  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 因果律生成は,興味深いが挑戦的な課題である。1次目標は,顔画像を与える妥当なex張を有する妥当な自動車を生成することである。従来の自動車生成手法は,主に画像ワーピングのような低レベル幾何学的変換を用いて,コンテンツとスタイルに関して豊富度および多様性を欠いている ex張画像を生成する。生成敵対ネットワーク(GAN)の最近の進歩は,多様な画像を生成するようにデータから画像への変換を学習することを可能にする。しかし,このタスクにGANベースモデルを直接適用することは,自動車分布における大きな分散のため,不十分な結果をもたらす。さらに,従来のモデルは,通常,それらの利用シナリオを大きく制限する画素毎のペアリング訓練データを必要とする。本論文では,弱対画像変換タスクとして自動車生成モデルをモデル化し,これらの問題に取り組むためにCariGANを提案した。特に,合理的な ex張と顔変形を強制するために,手動で注釈された自動車の顔ランドマークを,生成された画像を制約する付加的条件として使用した。さらに,画像融合機構を設計して,これらの領域におけるより鮮明な詳細を発生できるように,重要な顔部分に焦点を当てた。最後に,多様性損失を,多様な結果を作り出すためのモデルを促進するために提案した。大規模な「WebCaricture」データセットに関する大規模な実験は,提案したCariGANが最先端のモデルと比較して,より大きな多様性を有するより視覚的にもっともらしい自動車を作り出すことができることを示した。Copyright 2021 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.

シソーラス用語： *ニューラルネットワーク ,  *機械学習 ,  評価試験 ,  *画像合成 ,  絵画 ,  因果律 ,  *顔画像 ,  自動車 ,  画像変換 ,  ネットワーク構造 ,  Web【情報システム】 ,  大規模系
準シソーラス用語： ワーピング ,  *画像生成

著者キーワード (3件)： う蝕発生 ,  GAN ,  画像融合機構

分類 (3件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 敵対的学習 ,  絵