| 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 11:00 ［招待講演］物理・幾何に基づく深層画像生成 ○金子卓弘（NTT）  PRMU2024-26 |
|
| 抄録 | （和） | 2000年代に第三次AIブームが始まって以降，深層学習は様々な分野で技術革新を起こしてきています．その中の代表的な技術の一つとして，画像生成AIがあります．近年の画像生成AIの発展は著しく，人が見ても生成物と見分けられないようなリアリティのある画像が生成できるようになりつつあります．この発展は，深層学習をベースとした生成モデル（深層生成モデル）の興隆によってもたらされたものです．しかし，単純な深層生成モデルはブラックボックス化されたニューラルネットワークで構成されているため，必ずしも実世界と矛盾のない画像を生成できるとは限りません．この課題を克服する一つの有効な手段として，深層生成モデルに物理・幾何などの実世界に基づく制約を導入することが考えられます．このような動機に基づき，私たちは，近年，物理・幾何に基づく深層画像生成の研究に取り組んでいます．本講演では，それらの研究成果について紹介します． |
| （英） | Since the third AI boom began in the 2000s, deep learning has been making tremendous progress in various fields. One of the most representative technologies is image generative AI. In recent years, image generative AI has made remarkable progress, making it possible to synthesize images that are almost indistinguishable from actual images. This progress has been brought about by the emergence of deep learning-based generative models, that is, deep generative models. However, since standard deep generative models are composed of black-box neural networks, they cannot guarantee the generation of images that are consistent with the real world. One effective way to overcome this challenge is to introduce real-world constraints, such as physical and geometrical constraints, into the deep generative models. With this background, we have been working on physics- and geometry-based deep generative models. In this talk, I will introduce the results of our research. | |
| キーワード | （和） | 深層学習 / 画像生成 / 物理制約 / 幾何制約 / / / / |
| （英） | Deep learning / Image synthesis / Physical constraint / Geometrical constraint / / / / | |
| 文献情報 | 信学技報, vol. 124, no. 281, PRMU2024-26, pp. 99-99, 2024年11月. | |
| 資料番号 | PRMU2024-26 | |
| 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 | PRMU2024-26 |
|
| 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） | 物理・幾何に基づく深層画像生成 |
| サブタイトル（和） | |
| タイトル（英） | Deep image synthesis with physical and geometrical constraints |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 深層学習 / Deep learning |
| キーワード(2)（和/英） | 画像生成 / Image synthesis |
| キーワード(3)（和/英） | 物理制約 / Physical constraint |
| キーワード(4)（和/英） | 幾何制約 / Geometrical constraint |
| 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） | 金子 卓弘 / Takuhiro Kaneko / カネコ タクヒロ |
| 第1著者 所属（和/英） | 日本電信電話株式会社 (略称： NTT) NTT Corporation (略称： NTT) |
| 講演者 | 第1著者 |
| 発表日時 | 2024-11-30 11:00:00 |
| 発表時間 | 60分 |
| 申込先研究会 | PRMU |
| 資料番号 | PRMU2024-26 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.281 |
| ページ範囲 | p.99 |
| ページ数 | 1 |
| 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]