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。
Generative Adversarial Network(GANs)の最近の進歩は,人間やコンピュータによるそれらの検出に主要な挑戦をもたらす現実的に見えるディジタル画像の創造をもたらした。GANsは,画像(StarGAN[14])の小さい属性,画像対(CycleGAN[91])間の移動属性,および完全に新しい画像(ProGAN[36],StyleGAN[37],SPADE/GauGAN[64])を生成することから,広範囲のタスクで使用されている。”その特徴”は,画像対(CycleGAN[91])間の属性を転送するものである。また,全新しい画像(ProGAN[3],StyleGAN[37],SPADE/GauGAN[64])を生成する。本論文では,画像特徴と深層学習法を組み合わせたGAN生成画像を検出し,属性し,局所化する新しい方法を提案した。各画像に対して,共起行列を,異なる方向(水平,垂直および対角)におけるRGBチャネルの近傍画素上で計算した。次に,深層学習ネットワークをこれらの特徴上で訓練して,これらのGAN生成/操作画像を検出し,属性し,局所化した。2.76百万の画像(ProGAN,StarGAN,CycleGAN,StyleGAN,およびSPADE/GauGAN)から成る5つのGANデータセットに関する著者らのアプローチの大規模評価は,GAN生成画像の検出において有望な結果を示す。【JST・京大機械翻訳】