| 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 | 2022-09-15 10:45 動画像の解きほぐしに向けた敵対的補助分類器の効果検証 ○芳賀 壮・計良宥志・川本一彦（千葉大）  PRMU2022-21 |
|
| 抄録 | （和） | 動画像の解きほぐし表現の獲得には，静的な潜在変数と動的な潜在変数に分離するための帰納バイアスが必要である. 本研究ではこの帰納バイアスを強化する補助分類器を導入し，その効果を検証する.補助分類器は動きに関する特徴が静的な潜在変数に含まれないように敵対的に学習される． 検証実験ではSprites データセットを用い，入力の再構成，ランダムサンプリング生成，エントロピーを用いた解きほぐし評価の３つの指標で補助分類器の有効性を示している． |
| （英） | The Disentanglement of sequential data such as video requires inductive biases to separate static latent variables from dynamic ones. We propose a variational autoencoder to reinforce the inductive biases and test its effectiveness. We define an auxiliary classifier, and our model trains adversarially between the encoder and the classifier so that features related to motion do not include in the static latent variables. The validation experiment uses the Sprite dataset to demonstrate the effectiveness of the auxiliary classifier on three measures: input reconstruction, random sampling generation, and disentangling evaluation using entropy. |
|
| キーワード | （和） | 動画像 / 潜在変数の解きほぐし / 変分オートエンコーダ / 敵対的学習 / / / / |
| （英） | video / disentanglement / variational autoencoder / adversarial training / / / / | |
| 文献情報 | 信学技報, vol. 122, no. 181, PRMU2022-21, pp. 67-71, 2022年9月. | |
| 資料番号 | PRMU2022-21 | |
| 発行日 | 2022-09-07 (PRMU) | |
| 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 | PRMU2022-21 |
|
| 研究会情報 | |
| 研究会 | PRMU |
| 開催期間 | 2022-09-14 - 2022-09-15 |
| 開催地（和） | 慶應義塾大学 矢上キャンパス |
| 開催地（英） | |
| テーマ（和） | 深層生成モデル |
| テーマ（英） | Deep generative model |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2022-09-PRMU |
| 本文の言語 | 日本語 |
| タイトル（和） | 動画像の解きほぐしに向けた敵対的補助分類器の効果検証 |
| サブタイトル（和） | |
| タイトル（英） | Effect validation of adversarial auxiliary classifier for video disentanglement |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 動画像 / video |
| キーワード(2)（和/英） | 潜在変数の解きほぐし / disentanglement |
| キーワード(3)（和/英） | 変分オートエンコーダ / variational autoencoder |
| キーワード(4)（和/英） | 敵対的学習 / adversarial training |
| 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） | 芳賀 壮 / Takeshi Haga / ハガ タケシ |
| 第1著者 所属（和/英） | 千葉大学 (略称： 千葉大) Chiba University (略称： Chiba Univ) |
| 第2著者 氏名（和/英/ヨミ） | 計良 宥志 / Hiroshi Kera / ケラ ヒロシ |
| 第2著者 所属（和/英） | 千葉大学 (略称： 千葉大) Chiba University (略称： Chiba Univ) |
| 第3著者 氏名（和/英/ヨミ） | 川本 一彦 / Kazuhiko Kawamoto / カワモト カズヒコ |
| 第3著者 所属（和/英） | 千葉大学 (略称： 千葉大) Chiba University (略称： Chiba Univ) |
| 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 | 2022-09-15 10:45:00 |
| 発表時間 | 15分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2022-21 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.181 |
| ページ範囲 | pp.67-71 |
| ページ数 | 5 |
| 発行日 | 2022-09-07 (PRMU) |
[研究会発表申込システムのトップページに戻る]