抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
近年,世代広告ネットワーク(GAN)による顔生成への関心が劇的に増加している。異なるアプリケーションシナリオに向けて鮮明な顔画像を生成するために,多数の成功したGANアルゴリズムを開発した。しかし,そのようなGAN生成顔画像(GFIs)の自動品質評価にはほとんど研究されておらず,非seg GANモデルで生成したGFIsの一般化およびロバスト品質評価にあまり向けられていない。ここでは,GFIsの一般化品質評価に対する主観的および客観的品質を研究する最初の試みを行った。より具体的には,4つのGANアルゴリズムからのGFIs,画像品質評価(IQA)測度からの擬似ラベル,および主観的試験による人間意見スコアから成る大規模データベースを確立した。続いて,メタラーニングに基づく利用可能なGANアルゴリズムからGFIsに対する正確な品質予測を配信できる品質評価モデルを開発した。特に,限られたGANアルゴリズムで生まれたGFIsペアから共有知識を学習するために,畳込みブロック注意(CBA)と顔属性ベース解析(ABA)モジュールを開発し,学習された知識が人間の視覚認識と一致する傾向があることを確実にした。大規模な実験は,提案モデルが最先端のIQAモデルと比較してより良い性能を達成し,非セーエンGANアルゴリズムからGFIsを評価するとき,有効性を保持できることを示した。【JST・京大機械翻訳】