| 講演名 | 2020-03-05 ゆるGAN：ゆるキャラを生成する敵対的生成ネットワーク 萩原 祐希(東京農工大), 田中 聡久(東京農工大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | ゆるキャラとは，自治体や企業などが地域や商品などの情報PR を目的として作るマスコットキャラクターである．1 体のゆるキャラを作成するだけでも様々なコストがかかるため，敵対的生成ネットワーク（GAN）の活用が期待できる．近年では，GAN の訓練にデータセットのクラス条件を用いることで学習が安定し，生成画像の品質が向上すると報告されている．しかしながら，ゆるキャラ画像のように，元のデータ数が少なく，さらに，明確なクラスが与えられない場合，条件付きGAN の適用は困難である．そこで本稿では，クラスタリングとデータ拡張に基づく条件付きGAN を提案する．具体的には，まず，ゆるキャラ画像データセットにK-means++ 法をベースとしたクラスタリングを実施し，クラス付きのデータセットに変換した．次に，クラス付きのデータセットには，データ数が 5 倍になるようにデータ拡張を実施した．さらに，クラス条件付きGAN をベースとするネットワークに ResBlock や Self-Attention 機構等を組み込んだモデルを構築し，クラス付きゆるキャラデータセットを学習させた．生成画像を評価した結果，クラスタリング手法の違いによる生成画像への効果を確認することができた . |
| 抄録(英) | Yuru-chara is a mascot character created by local governments and companies for the purpose of publicizing information on areas and products. Since it takes various costs to create just one Yuru-chara, the utilization of Generative Adversarial Networks (GANs) can be expected. In recent years, it has been reported that the use of class conditions in a dataset for GANs training stabilizes learning and improves the quality of generated images. However, it is difficult to apply class conditional GANs when the number of original data is small and a clear class is not given like a Yuru-chara image. In this paper, we propose a class conditional GAN based on clustering and data augmentation. Specifically, first, we performed clustering based on K-means++ on the Yuru-chara image dataset, and converted it to a class conditional dataset. Next, data augmentation was performed on the class conditional dataset so that the number of data was increased five times. In addition, we built a model that incorporates ResBlock, Self-Attention into a network based on class conditional GAN, and trained theclass conditional Yuru-chara dataset. As a result of evaluating the generated images, the effect on the generated images by thedifference of the clustering method was confirmed. |
| キーワード(和) | 敵対的生成ネットワーク / ゆるキャラ / クラスタリング / 画像生成 |
| キーワード(英) | Generative Adversarial Networks / GANs / Yuru-chara / clustering / Image Generation |
| 資料番号 | NC2019-93 |
| 発行日 | 2020-02-26 (NC) |
| 研究会情報 | |
| 研究会 | NC / MBE |
|---|---|
| 開催期間 | 2020/3/4(から3日開催) |
| 開催地（和） | 電気通信大学 |
| 開催地（英） | University of Electro Communications |
| テーマ（和） | NC, ME, 一般 |
| テーマ（英） | Neuro Computing, Medical Engineering, etc. |
| 委員長氏名（和） | 庄野 逸(電通大) / 野村 泰伸(阪大) |
| 委員長氏名（英） | Hayaru Shouno(UEC) / Taishin Nomura(Osaka Univ.) |
| 副委員長氏名（和） | 鮫島 和行(玉川大) / 渡邊 高志(東北大) |
| 副委員長氏名（英） | Kazuyuki Samejima(Tamagawa Univ) / Takashi Watanabe(Tohoku Univ.) |
| 幹事氏名（和） | 吉本 潤一郎(奈良先端大) / 安部川 直稔(NTT) / 伊良皆 啓治(九大) |
| 幹事氏名（英） | Junichiro Yoshimoto(NAIST) / Naotoshi Abekawa(NTT) / Keiji Iramina(Kyushu Univ.) |
| 幹事補佐氏名（和） | 篠崎 隆志(NICT) / 瀧山 健(東京農工大) / 鈴木 康之(阪大) / 辛島 彰洋(東北工大) |
| 幹事補佐氏名（英） | Takashi Shinozaki(NICT) / Ken Takiyama(TUAT) / Yasuyuki Suzuki(Osaka Univ.) / Akihiro Karashima(Tohoku Inst. of Tech.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Neurocomputing / Technical Committee on ME and Bio Cybernetics |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ゆるGAN：ゆるキャラを生成する敵対的生成ネットワーク |
| サブタイトル（和） | |
| タイトル（英） | YuruGAN: Yuru-Charas Generated by Generative Adversarial Networks |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 敵対的生成ネットワーク / Generative Adversarial Networks |
| キーワード(2)（和/英） | ゆるキャラ / GANs |
| キーワード(3)（和/英） | クラスタリング / Yuru-chara |
| キーワード(4)（和/英） | 画像生成 / clustering |
| キーワード(5)（和/英） | / Image Generation |
| 第 1 著者 氏名（和/英） | 萩原 祐希 / Yuki Hagiwara |
| 第 1 著者 所属（和/英） | 東京農工大学(略称：東京農工大) Tokyo University of Agriculture and Technology(略称：TUAT) |
| 第 2 著者 氏名（和/英） | 田中 聡久 / Toshihisa Tanaka |
| 第 2 著者 所属（和/英） | 東京農工大学(略称：東京農工大) Tokyo University of Agriculture and Technology(略称：TUAT) |
| 発表年月日 | 2020-03-05 |
| 資料番号 | NC2019-93 |
| 巻番号（vol） | vol.119 |
| 号番号（no） | NC-453 |
| ページ範囲 | pp.101-106(NC), |
| ページ数 | 6 |
| 発行日 | 2020-02-26 (NC) |