| 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 | 2024-11-30 14:40 CommonArt ～ 国産大規模言語モデルによる透明性の高い画像生成用拡散トランスフォーマー ～ ○尾崎安範，三嶋隆史，富平準喜  PRMU2024-32 |
|
| 抄録 | （和） | 本研究では、著作権に配慮した透明性の高い画像生成モデルである CommonArt を提案する。データセッ トには CC-0 や CC-BY といった改変可能な画像約 2500 万枚と合成キャプション 5000 万個を使い、アルゴリズムには拡散トランスフォーマーを国産 LLM で条件付けすることとした。 30000 L4 GPU 時間による学習の結果、FID といった画像品質や CLIP Score といった指示追従の観点から日本語と英語を総合して定量評価した場合、従来の手法よりも最も高い性能になることが示された。今後は動画生成モデルへの応用が考えられる。 |
| （英） | In this paper, we propose CommonArt, a transparent image generation model that respects copyright. The dataset consists of approximately 25 million modifiable images under licenses such as CC-0 and CC-BY. For the algorithm, we used a diffusion transformer conditioned on a domestically developed LLM. After 30,000 L4 GPU hours of training, quantitative evaluation combining Japanese and English metrics in terms of image quality and instruction following showed that our method achieved the highest performance compared to conventional approaches. Future work may include applications to video generation models. | |
| キーワード | （和） | 画像生成 / 大規模言語モデル / 拡散モデル / 生成 AI / / / / |
| （英） | Text-to-Image Generation / Large Language Model / Diffusion Model / GenAI / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 281, PRMU2024-32, pp. 120-125, 2024年11月. | |
| 資料番号 | PRMU2024-32 | |
| 発行日 | 2024-11-22 (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 | PRMU2024-32 |
|
| 研究会情報 | |
| 研究会 | PRMU IPSJ-CVIM IPSJ-CGVI IPSJ-DCC |
| 開催期間 | 2024-11-29 - 2024-11-30 |
| 開催地（和） | 福井工業大学 福井キャンパス |
| 開催地（英） | |
| テーマ（和） | 生成・創造のためのCV/CG/DCC/PR技術 |
| 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 | 2024-11-PRMU-CVIM-CGVI-DCC |
| 本文の言語 | 日本語 |
| タイトル（和） | CommonArt |
| サブタイトル（和） | 国産大規模言語モデルによる透明性の高い画像生成用拡散トランスフォーマー |
| タイトル（英） | CommonArt |
| サブタイトル（英） | Diffusion Transformer for Text-to-Image Generation by Japanese Large Language Model |
| キーワード(1)（和/英） | 画像生成 / Text-to-Image Generation |
| キーワード(2)（和/英） | 大規模言語モデル / Large Language Model |
| キーワード(3)（和/英） | 拡散モデル / Diffusion Model |
| キーワード(4)（和/英） | 生成 AI / GenAI |
| 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） | 尾崎 安範 / Yasunori Ozaki / オザキ ヤスノリ |
| 第1著者 所属（和/英） | 株式会社AIdeaLab (略称： *) AIdeaLab, Inc (略称： *) |
| 第2著者 氏名（和/英/ヨミ） | 三嶋 隆史 / Ryuji Mishima / ミシマ リュウジ |
| 第2著者 所属（和/英） | 株式会社AI Picasso (略称： *) AI Picasso, Inc. (略称： *) |
| 第3著者 氏名（和/英/ヨミ） | 富平 準喜 / Toshiki Tomihira / トミヒラ トシキ |
| 第3著者 所属（和/英） | 株式会社AIdeaLab (略称： *) AIdeaLab, Inc (略称： *) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-11-30 14:40:00 |
| 発表時間 | 15分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2024-32 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.281 |
| ページ範囲 | pp.120-125 |
| ページ数 | 6 |
| 発行日 | 2024-11-22 (PRMU) |
[研究会発表申込システムのトップページに戻る]