| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2022-02-21 12:45 敵対的生成ネットワークの学習における生成器を用いた識別器の正則化 ○原 悠輔・山崎俊彦（東大）  ITS2021-29 IE2021-38 |
|
| 抄録 | （和） | 敵対的生成ネットワークの学習において、識別器の判断基準を安定的に維持することは収束速度や生成品質を左右する重要な課題である。これに対し、学習時に生成器の内部表現の推定を識別器に同時に学習させる新たな正則化を提案し、収束速度と生成品質が向上することを実験的に確認した。また、その識別器の推定出力に対して一貫性を課す正則化も提案する。真偽推定に一貫性を課す既存の手法では、生成器がデータ拡張後の分布を学習する問題が知られているが、提案手法ではその問題が抑制されることを確認した。 |
| （英） | In training generative adversarial networks, maintaining the criteria of the discriminator stably is crucial to training speed and quality. To address this issue, we propose a new regularization term which makes the discriminator learn to estimate information deriving from the internal representation of the generator. Moreover, we propose a new consistency regularization (CR) on the estimation. While existing CR methods using the real-or-fake output allow the generator to learn the augmented distribution, our CR suppresses this problem. | |
| キーワード | （和） | 敵対的生成ネットワーク / 画像生成 / 深層学習 / / / / / |
| （英） | Generative Adversarial Networks / Image Generation / Deep Learning / / / / / | |
| 文献情報 | 信学技報, vol. 121, no. 374, IE2021-38, pp. 25-30, 2022年2月. | |
| 資料番号 | IE2021-38 | |
| 発行日 | 2022-02-14 (ITS, IE) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | ITS2021-29 IE2021-38 |
|
| 研究会情報 | |
| 研究会 | IE ITS ITE-AIT ITE-ME ITE-MMS |
| 開催期間 | 2022-02-21 - 2022-02-22 |
| 開催地（和） | オンライン開催 |
| 開催地（英） | Online |
| テーマ（和） | 画像処理，一般 |
| テーマ（英） | Image Processing, etc. |
| 講演論文情報の詳細 | |
| 申込み研究会 | IE |
| 会議コード | 2022-02-IE-ITS-AIT-ME-MMS |
| 本文の言語 | 日本語 |
| タイトル（和） | 敵対的生成ネットワークの学習における生成器を用いた識別器の正則化 |
| サブタイトル（和） | |
| タイトル（英） | Regularizing Generative Adversarial Networks with Internal Representation of Generators |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 敵対的生成ネットワーク / Generative Adversarial Networks |
| キーワード(2)（和/英） | 画像生成 / Image Generation |
| キーワード(3)（和/英） | 深層学習 / Deep Learning |
| キーワード(4)（和/英） | / |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 原 悠輔 / Yusuke Hara / ハラ ユウスケ |
| 第1著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 第2著者 氏名（和/英/ヨミ） | 山崎 俊彦 / Toshihiko Yamasaki / ヤマサキ トシヒコ |
| 第2著者 所属（和/英） | 東京大学 (略称： 東大) The University of Tokyo (略称： UTokyo) |
| 第3著者 氏名（和/英/ヨミ） | / / |
| 第3著者 所属（和/英） | (略称： ) (略称： ) |
| 第4著者 氏名（和/英/ヨミ） | / / |
| 第4著者 所属（和/英） | (略称： ) (略称： ) |
| 第5著者 氏名（和/英/ヨミ） | / / |
| 第5著者 所属（和/英） | (略称： ) (略称： ) |
| 第6著者 氏名（和/英/ヨミ） | / / |
| 第6著者 所属（和/英） | (略称： ) (略称： ) |
| 第7著者 氏名（和/英/ヨミ） | / / |
| 第7著者 所属（和/英） | (略称： ) (略称： ) |
| 第8著者 氏名（和/英/ヨミ） | / / |
| 第8著者 所属（和/英） | (略称： ) (略称： ) |
| 第9著者 氏名（和/英/ヨミ） | / / |
| 第9著者 所属（和/英） | (略称： ) (略称： ) |
| 第10著者 氏名（和/英/ヨミ） | / / |
| 第10著者 所属（和/英） | (略称： ) (略称： ) |
| 第11著者 氏名（和/英/ヨミ） | / / |
| 第11著者 所属（和/英） | (略称： ) (略称： ) |
| 第12著者 氏名（和/英/ヨミ） | / / |
| 第12著者 所属（和/英） | (略称： ) (略称： ) |
| 第13著者 氏名（和/英/ヨミ） | / / |
| 第13著者 所属（和/英） | (略称： ) (略称： ) |
| 第14著者 氏名（和/英/ヨミ） | / / |
| 第14著者 所属（和/英） | (略称： ) (略称： ) |
| 第15著者 氏名（和/英/ヨミ） | / / |
| 第15著者 所属（和/英） | (略称： ) (略称： ) |
| 第16著者 氏名（和/英/ヨミ） | / / |
| 第16著者 所属（和/英） | (略称： ) (略称： ) |
| 第17著者 氏名（和/英/ヨミ） | / / |
| 第17著者 所属（和/英） | (略称： ) (略称： ) |
| 第18著者 氏名（和/英/ヨミ） | / / |
| 第18著者 所属（和/英） | (略称： ) (略称： ) |
| 講演者 | 第1著者 |
| 発表日時 | 2022-02-21 12:45:00 |
| 発表時間 | 15分 |
| 申込先研究会 | IE |
| 資料番号 | ITS2021-29, IE2021-38 |
| 巻番号（vol） | vol.121 |
| 号番号（no） | no.373(ITS), no.374(IE) |
| ページ範囲 | pp.25-30 |
| ページ数 | 6 |
| 発行日 | 2022-02-14 (ITS, IE) |
[研究会発表申込システムのトップページに戻る]