| 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 | 2023-02-28 10:40 未知の劣化に頑健な画像分類のための拡散モデルを用いた画像再構成法 ○赤澤輝昭（都立大）・木下裕磨（東海大）・貴家仁志（都立大）  EA2022-83 SIP2022-127 SP2022-47 |
|
| 抄録 | （和） | 本稿では，原因が未知の画像劣化に対して頑健に画像分類を実行するために，拡散モデルを用いた画像再構成法を適用し，その効果を検討する．深層学習に基づく画像分類モデルは，一般に，モデルの学習時に考慮されなかった雨やぶれなどの劣化に対する頑健性が低い．この問題解決のため，大量の劣化画像を分類モデルの学習データに追加することや，画像復元手法を用いてそのような劣化を取り除くという2つの方法がある．画像復元とは，観測した画像から劣化を除去し，劣化のない原画像をできる限り正確に復元するタスクである．しかしながら，従来の画像復元手法では，劣化要因は既知であることが前提とされ，その劣化要因の詳細なモデル化が行われる．本稿で提案する手法は，拡散モデルを用いて劣化画像を再構成することで，劣化した画像から，原画像の正確な復元ではなく，画像分類の際に重要な特徴のみを重点的に回復する．このため提案法は，劣化要因が未知であるという，従来法では困難な制約下であっても画像分類の精度を維持することを可能とする．CIFAR-10Cデータセットを用いた実験の結果，提案法の有効性が確認される． |
| （英） | This paper presents an image reconstruction method with a diffusion model for robust image classification against image degradation due to unknown factors. In general, image classification models based on deep neural networks are not robust against degradation such as rain or blur which is not considered in the training phase. There are two approaches for addressing this problem: including degraded images in training data for classification models, or removing such degradation with image restoration methods. Image restoration is a task that removes the degradation from measurements and restores original clean images without degradation as accurately as possible. However, conventional image restoration methods assume that degradation types such as rain are known, and detailed modeling against the degradation factor is performed. In contrast, by reconstructing degraded images with a diffusion model, the proposed scheme focuses on recovering only important features for image classification, not exactly restoring original images. Therefore, the proposed scheme can maintain the accuracy of image classification even under the challenging constraint where degradation factors are unknown. In experiments with the CIFAR-10C dataset, the effectiveness of the proposed method is shown. | |
| キーワード | （和） | 拡散モデル / SDEdit / 画像再構成 / 未知の劣化 / 画像分類 / / / |
| （英） | Diffusion Model / SDEdit / Image Reconstruction / Unknown Degradation / Image Classification / / / | |
| 文献情報 | 信学技報, vol. 122, no. 388, SIP2022-127, pp. 49-54, 2023年2月. | |
| 資料番号 | SIP2022-127 | |
| 発行日 | 2023-02-21 (EA, SIP, SP) | |
| 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 | EA2022-83 SIP2022-127 SP2022-47 |
|
| 研究会情報 | |
| 研究会 | SP IPSJ-SLP EA SIP |
| 開催期間 | 2023-02-28 - 2023-03-01 |
| 開催地（和） | 沖縄県立博物館・美術館 |
| 開催地（英） | |
| テーマ（和） | 音声，応用／電気音響, 信号処理，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SIP |
| 会議コード | 2023-02-SP-SLP-EA-SIP |
| 本文の言語 | 日本語 |
| タイトル（和） | 未知の劣化に頑健な画像分類のための拡散モデルを用いた画像再構成法 |
| サブタイトル（和） | |
| タイトル（英） | Image reconstruction with a diffusion model for robust image classification against unknown degradation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 拡散モデル / Diffusion Model |
| キーワード(2)（和/英） | SDEdit / SDEdit |
| キーワード(3)（和/英） | 画像再構成 / Image Reconstruction |
| キーワード(4)（和/英） | 未知の劣化 / Unknown Degradation |
| キーワード(5)（和/英） | 画像分類 / Image Classification |
| 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） | 赤澤 輝昭 / Teruaki Akazawa / アカザワ テルアキ |
| 第1著者 所属（和/英） | 東京都立大学 (略称： 都立大) Tokyo Metropolitan University (略称： Tokyo Metro. Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 木下 裕磨 / Yuma Kinoshita / キノシタ ユウマ |
| 第2著者 所属（和/英） | 東海大学 (略称： 東海大) Tokai University (略称： Tokai Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 貴家 仁志 / Hitoshi Kiya / キヤ ヒトシ |
| 第3著者 所属（和/英） | 東京都立大学 (略称： 都立大) Tokyo Metropolitan University (略称： Tokyo Metro. 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 | 2023-02-28 10:40:00 |
| 発表時間 | 20分 |
| 申込先研究会 | SIP |
| 資料番号 | EA2022-83, SIP2022-127, SP2022-47 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | no.387(EA), no.388(SIP), no.389(SP) |
| ページ範囲 | pp.49-54 |
| ページ数 | 6 |
| 発行日 | 2023-02-21 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]