文献

J-GLOBAL ID：202202235918425230   整理番号：22A0879351

Variational Autoencoderに基づく深層生成モデルを用いた潜在表現のDisentanglementに関する検討-Disentanglement評価指標を含む正則化損失の導入-

A Note on Disentanglement Using Deep Generative Model Based on Variational Autoencoder-Introduction of Regularization Losses Based on Metrics of Disentangled Representation-

著者 (4件)： 中川真 (北大 大学院情報科学院) ,  藤後廉 (北大 数理・データサイエンス教育研究セ) ,  小川貴弘 (北大 大学院情報科学研究院) ,  長谷山美紀 (北大 大学院情報科学研究院)
資料名： 映像情報メディア学会技術報告
巻： 46  号： 6(MMS2022 1-37/ME2022 26-62/AIT2022 1-37)  ページ： 97-102  発行年： 2022年02月14日 
JST資料番号： S0209A  ISSN： 1342-6893  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本文では,Variational Autoencoder(VAE)に基づく深層生成モデルによる潜在表現のdisentanglementに関する検討を行う.Disentanglementは,データの単一の変動要因に対し単一の成分が対応する潜在表現の獲得を目的とする.従来研究では,潜在変数に独立性の制約を課す深層生成モデルによりdisentanglementを行う手法が種々提案されてきたが,独立性のみによっては潜在変数と変動要因の対応が必ずしも獲得されるとは限らないという問題が存在する.そこで本文では,種々提案されているdisentanglementに対する評価指標のうち微分可能なものを正則化損失として導入した深層生成モデルによってdisentanglementを行う手法を提案する.提案手法では,評価指標を直接勾配降下法による最適化の目的関数の一部とすることでdisentanglementを行う.また,予備実験により種々の評価指標の性質を検証したのち,実験により提案手法の有効性を検証する.(著者抄録)

シソーラス用語： *ニューラルネットワーク ,  *機械学習 ,  微分 ,  最急降下法 ,  最適化 ,  目的関数 ,  *深層学習 ,  改変
準シソーラス用語： 勾配降下法 ,  潜在変数 ,  変動要因

分類 (2件)： ニューロコンピュータ  (JC06010Q) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 深層 ,  生成モデル ,  表現 ,  評価指標 ,  正則化 ,  損失