深層生成敵対ネットワークを用いた現実的河川画像合成【JST・京大機械翻訳】

Gautam Akshat; Sit Muhammed; Demir Ibrahim

プレプリント

J-GLOBAL ID：202202210844824504 整理番号：21P0025705

深層生成敵対ネットワークを用いた現実的河川画像合成【JST・京大機械翻訳】

Realistic River Image Synthesis using Deep Generative Adversarial Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年02月14日プレプリントサーバーでの情報更新日： 2021年07月27日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

本論文では,深層学習を用いた現実的河川画像生成の実用化を実証した。特に,著者らは,地表水推定,河川蛇行,湿地損失,および他の水文学的研究におけるモデリングと解析をサポートするために使用できる高分解能で現実的な河川画像を生成することができる生成敵対ネットワーク(GAN)モデルを探究した。第1に,著者らは訓練において使用するために,オーバヘッド河川イメージの大規模なリポジトリを作成した。第2に,著者らは,高画質(すなわち,1024x1024)合成河川画像を生成するために,非常に高解像度まで徐々に構築するために,反復的に小さな分解能GANを訓練するネットワークアーキテクチャであるProgressive Growth GAN(PGGAN)を組み込んだ。より単純なGANアーキテクチャにより,訓練時間と消失/爆発勾配問題の指数的増加に関して困難が発生し,PGGAN実装が著しく減少した。本研究で提示した結果は,高品質画像を生成し,河川構造と流れの詳細を捕捉し,水文研究を支援するための大きな有望性を示し,それはしばしばモデル性能のための広範な画像を必要とする。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

リモートセンシング一般 , 河川調査・計画

, , ,

前のページに戻る