| 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 | 2024-03-03 15:00 空間周波数損失を用いた画像次元削減のためのVQ-VAEの学習 ○市村直幸（産総研）  PRMU2023-60 |
|
| 抄録 | （和） | Vector Quantized-Variational AutoEncoders (VQ-VAEs) は近似的な恒等写像を学習する深層ニューラルネットワークである．VQ-VAEs を用いると，データセットの表現学習と次元削減を教師なしで実現できる．本論文では，画像の次元削減を目的とし，空間周波数損失（Spatial Frequency Loss:SFL）を用いたVQ-VAEs の学習方法を提案する．SFL は画像のサブバンドのL2 損失の重み付け和として定義される．そのため重み付けにより高周波数帯の損失を強調し，再構成画像のボケを軽減できる．また，VQ-VAEs をGenerative Adversarial Networks (GANs) の生成器として利用する場合，SFL の計算に使用するサブバンド画像を識別器に入力し，サブバンドの特徴の分布を用いて学習することもできる．提案方法の有効性を実験を通じ検討した． |
| （英） | Vector Quantized-Variational AutoEncoders (VQ-VAEs) are a type of deep neural networks designed to learn an approximate identity mapping. Using VQ-VAEs, we can perform both representation learning and dimensionality reduction of a dataset without supervision. This paper proposes a training method for VQ-VAEs with the goal of image dimensionality reduction utilizing the Spatial Frequency Loss (SFL). The SFL is defined as the weighted sum of L2 losses across image subbands. Thus, it can emphasize the losses in high-frequency bands by weighting to reduce the blurs in reconstructed images. Additionally, when using VQ-VAEs as generators in Generative Adversarial Networks (GANs), subband images used for SFL computation can be input to discriminators, enabling learning with the distribution of subband features. The effectiveness of the proposed method is examined through experiments. |
|
| キーワード | （和） | VQ-VAEs / 次元削減 / 空間周波数損失 / サブバンド / GANs / / / |
| （英） | VQ-VAEs / Dimensionality reduction / Spatial Frequency Loss / Subbands / GANs / / / | |
| 文献情報 | 信学技報, vol. 123, no. 409, PRMU2023-60, pp. 53-58, 2024年3月. | |
| 資料番号 | PRMU2023-60 | |
| 発行日 | 2024-02-25 (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 | PRMU2023-60 |
|
| 研究会情報 | |
| 研究会 | PRMU IBISML IPSJ-CVIM |
| 開催期間 | 2024-03-03 - 2024-03-04 |
| 開催地（和） | 広島大学 東広島キャンパス |
| 開催地（英） | Hiroshima Univ. Higashi-Hiroshima campus |
| テーマ（和） | 雑多なデータセットの有効活用 (PRMU/IPSJ-CVIM)、機械学習の理論と応用の広がり (IBISML) |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | PRMU |
| 会議コード | 2024-03-PRMU-IBISML-CVIM |
| 本文の言語 | 日本語 |
| タイトル（和） | 空間周波数損失を用いた画像次元削減のためのVQ-VAEの学習 |
| サブタイトル（和） | |
| タイトル（英） | Learning VQ-VAE for Image Dimensionality Reduction with Spatial Frequency Loss |
| サブタイトル（英） | |
| キーワード(1)（和/英） | VQ-VAEs / VQ-VAEs |
| キーワード(2)（和/英） | 次元削減 / Dimensionality reduction |
| キーワード(3)（和/英） | 空間周波数損失 / Spatial Frequency Loss |
| キーワード(4)（和/英） | サブバンド / Subbands |
| キーワード(5)（和/英） | GANs / GANs |
| 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） | 市村 直幸 / Naoyuki Ichimura / イチムラ ナオユキ |
| 第1著者 所属（和/英） | 産業技術総合研究所 (略称： 産総研) National Institute of Advanced Industrial Science and Technology (略称： AIST) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-03-03 15:00:00 |
| 発表時間 | 12分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2023-60 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | no.409 |
| ページ範囲 | pp.53-58 |
| ページ数 | 6 |
| 発行日 | 2024-02-25 (PRMU) |
[研究会発表申込システムのトップページに戻る]