| 講演名 | 2022-09-15 動画像の解きほぐしに向けた敵対的補助分類器の効果検証 芳賀 壮(千葉大), 計良 宥志(千葉大), 川本 一彦(千葉大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 動画像の解きほぐし表現の獲得には，静的な潜在変数と動的な潜在変数に分離するための帰納バイアスが必要である. 本研究ではこの帰納バイアスを強化する補助分類器を導入し，その効果を検証する.補助分類器は動きに関する特徴が静的な潜在変数に含まれないように敵対的に学習される．検証実験ではSprites データセットを用い，入力の再構成，ランダムサンプリング生成，エントロピーを用いた解きほぐし評価の３つの指標で補助分類器の有効性を示している． |
| 抄録(英) | The Disentanglement of sequential data such as video requires inductive biases to separate static latent variables from dynamic ones. We propose a variational autoencoder to reinforce the inductive biases and test its effectiveness. We define an auxiliary classifier, and our model trains adversarially between the encoder and the classifier so that features related to motion do not include in the static latent variables. The validation experiment uses the Sprite dataset to demonstrate the effectiveness of the auxiliary classifier on three measures: input reconstruction, random sampling generation, and disentangling evaluation using entropy. |
| キーワード(和) | 動画像 / 潜在変数の解きほぐし / 変分オートエンコーダ / 敵対的学習 |
| キーワード(英) | video / disentanglement / variational autoencoder / adversarial training |
| 資料番号 | PRMU2022-21 |
| 発行日 | 2022-09-07 (PRMU) |
| 研究会情報 | |
| 研究会 | PRMU |
|---|---|
| 開催期間 | 2022/9/14(から2日開催) |
| 開催地（和） | 慶應義塾大学 矢上キャンパス |
| 開催地（英） | |
| テーマ（和） | 深層生成モデル |
| テーマ（英） | Deep generative model |
| 委員長氏名（和） | 内田 誠一(九大) |
| 委員長氏名（英） | Seiichi Uchida(Kyushu Univ.) |
| 副委員長氏名（和） | 舩冨 卓哉(奈良先端大) / 安倍 満(デンソーアイティーラボラトリ) |
| 副委員長氏名（英） | Takuya Funatomi(NAIST) / Mitsuru Anpai(Denso IT Lab.) |
| 幹事氏名（和） | 山口 光太(サイバーエージェント) / 松井 勇佑(東大) |
| 幹事氏名（英） | Kouta Yamaguchi(CyberAgent) / Yusuke Matsui(Univ. of Tokyo) |
| 幹事補佐氏名（和） | 井上 中順(東工大) / 川西 康友(理研) |
| 幹事補佐氏名（英） | Nakamasa Inoue(Tokyo Inst. of Tech.) / Yasutomo Kawanishi(Riken) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Pattern Recognition and Media Understanding |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 動画像の解きほぐしに向けた敵対的補助分類器の効果検証 |
| サブタイトル（和） | |
| タイトル（英） | Effect validation of adversarial auxiliary classifier for video disentanglement |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 動画像 / video |
| キーワード(2)（和/英） | 潜在変数の解きほぐし / disentanglement |
| キーワード(3)（和/英） | 変分オートエンコーダ / variational autoencoder |
| キーワード(4)（和/英） | 敵対的学習 / adversarial training |
| 第 1 著者 氏名（和/英） | 芳賀 壮 / Takeshi Haga |
| 第 1 著者 所属（和/英） | 千葉大学(略称：千葉大) Chiba University(略称：Chiba Univ) |
| 第 2 著者 氏名（和/英） | 計良 宥志 / Hiroshi Kera |
| 第 2 著者 所属（和/英） | 千葉大学(略称：千葉大) Chiba University(略称：Chiba Univ) |
| 第 3 著者 氏名（和/英） | 川本 一彦 / Kazuhiko Kawamoto |
| 第 3 著者 所属（和/英） | 千葉大学(略称：千葉大) Chiba University(略称：Chiba Univ) |
| 発表年月日 | 2022-09-15 |
| 資料番号 | PRMU2022-21 |
| 巻番号（vol） | vol.122 |
| 号番号（no） | PRMU-181 |
| ページ範囲 | pp.67-71(PRMU), |
| ページ数 | 5 |
| 発行日 | 2022-09-07 (PRMU) |