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。
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】