文献

J-GLOBAL ID：202202272451049231   整理番号：22A0893656

ブレンド比分類による強化自己管理GAN【JST・京大機械翻訳】

Enhanced self-supervised GANs with blend ratio classification

著者 (5件)： Zhou Qinyu (South China University of Technology, Guangzhou, China) ,  Zhang Jianwei (South China University of Technology, Guangzhou, China) ,  Han Guoqiang (South China University of Technology, Guangzhou, China) ,  Ruan Zhihui (South China University of Technology, Guangzhou, China) ,  Wei Ying (South China University of Technology, Guangzhou, China)
資料名： Multimedia Tools and Applications  (Multimedia Tools and Applications)
巻： 81  号： 6  ページ： 7651-7667  発行年： 2022年 
JST資料番号： W1102A  ISSN： 1380-7501  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 生成敵対ネットワーク(GAN)は,画像生成,特に信頼できる表現を導くための条件付きGANの訓練において顕著な成功を達成した。しかし,条件付きGANの主なダウンサイドはラベル付きデータの必要条件である。自己スーパービジョン情報を用いることは,そのようなニーズを満たすことができるが,しかし,より信頼できる自己監督された信号を発見するための課題と,訓練データの特性をより正確に記述するために,異なる信号を結合する方法について残っている。本論文では,オートエンコーダベースのGANのための擬似ラベルを自動的に生成する新しい自己監督学習アプローチを提案した。特に,入力画像と対応する再構成結果をブレンド比によって制御された変換サンプルを製造するために混合した。次に,識別器に取り付けた追加の分類器は,有意義な表現を導くために変換されたサンプルから実画像の比率を識別する必要がある。次に,著者らは,識別器の容量をさらに改善するために,2つの異なる手段によって,複数の自己スーパービジョンガイダンスによってGANを強化した。1つは複数の監視信号を併合し,混合確率を予測する分類器を必要とするが,他のものはこれらの信号を独立に利用する。実験では,生成された画像の品質と3つのデータセットを用いて学習された表現を評価した。経験的結果は,画像合成と表現学習の両方に関する著者らの方法の有効性を証明した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 弁別器 ,  学習 ,  データ ,  ネットワーク ,  分類 ,  *混合比 ,  画像 ,  再構成 ,  監視信号 ,  画像合成 ,  必要条件 ,  有効性 ,  *自己管理
準シソーラス用語： 訓練データ ,  スーパービジョン , 【Automatic Indexing@JST】

著者キーワード (4件)： 生成敵対ネットワーク ,  自己教師つき学習 ,  表現学習 ,  画像生成

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： ブレンド比 ,  分類 ,  強化 ,  自己管理 ,  GaN