文献

J-GLOBAL ID：202202221666265968   整理番号：22A0475646

予歪GANを用いた識別器のエンコーダへの高速変換【JST・京大機械翻訳】

Fast transformation of discriminators into encoders using pre-trained GANs

著者 (4件)： Yu Cheng (Faculty of Information Technology, Macau University of Science and Technology, Macau 999078, China) ,  Wang Wenmin (International Institute of Next Generation Internet, Macau University of Science and Technology, Macau 999078, China) ,  Wang Wenmin (State Key Laboratory of Lunar and Planetary Sciences, Macau University of Science and Technology, Macau 999078, China) ,  Chongqing College of Electronic Engineering, Chongqing 401331, China
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 153  ページ： 92-99  発行年： 2022年 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 典型的な生成敵対ネットワーク(GAN)は,発電機と識別器から成る。現在,微細に調整された深いGANは,それらの発生器を介して高品質(HQ)画像を合成することができる。しかし,典型的なGANにおける弁別器は,訓練プロセスにおける真のまたは偽像を識別することができるだけである。さらに,GANからのいくつかの合成画像は不完全であり,GANを介して画像を再構成できない。本論文では,事前訓練されたGANを再検討し,GANの弁別器をエンコーダに迅速に変換するための自己監督法を提供した。GANの弁別器のパラメータを再利用し,その出力層を置き換えるので,符号器と出力改質潜在ベクトルに変換できる。この変換はGANアーキテクチャをより対称にし,より良い性能を可能にした。この方法に基づいて,GANはGAN符号器を介して合成画像を再構成できる。合成画像と比較して,これらの再構成は,より高い品質を維持するか,または,達成することができた。コードと事前訓練モデルはhttps://github.com/disanda/GAN-Encoder-Symで利用可能である。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 対称性 ,  ベクトル ,  *弁別器 ,  ネットワーク ,  *符号器 ,  再構成 ,  画像合成 ,  再利用 ,  *予歪 ,  計算機アーキテクチャ ,  アーチファクト ,  画像再構成
準シソーラス用語： 高品質 ,  合成画像 , 【Automatic Indexing@JST】

著者キーワード (4件)： 生成的敵対的ネット(GAN) ,  自動エンコーダ ,  画像合成 ,  画像再構成

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 予歪 ,  GaN ,  識別器 ,  エンコーダ