| 講演名 | 2019-01-18 360度画像の一領域から全体を生成するGANs 秋本 直郁(慶大), 林 昌希(慶大), 笠井 誠斗(慶大), 青木 義満(慶大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | 本稿では，360度画像のうち一方向分の領域から，Generative Adversarial Networksを用いて残りの領域を補完し360度画像全体を生成するという，新しい問題設定を提案する．この問題に対して，画像内の建物や道路の輪郭に360度画像の特有の歪みが生成されることを本稿の目標とする．さらに，本来360度画像は両端で連続であるという性質を用いた画像の組み換えにより，問題を簡単化する方法を提案する．また，360度画像の生成に有効な構造としてdilated convolution層を直列または並列に用いた構成を複数提案する．結果として，ベースラインで見られるような白い穴の発生を抑制しつつ，建物や道路の輪郭の歪みをより良く生成できた． |
| 抄録(英) | In this paper, we present a novel problem setting in which, using one direction of a 360-degree image, a Generative Adversarial Networks (GANs) completes a whole 360-degree image. We also address this problem with a goal which is, distortions of the outlines of roads and buildings that specifically exist in 360-degree images should be generated. Furthermore, for making this problem easy, we present image rearranging which is done using a specific property seen in a 360-degree image. This is that both edge of 360-degree images are originally continuous. And also, we present a combination of dilated convolution layers as effective architectures for generation of a 360-degree image. In our experiments, we show that the series and/or parallel architecture generated better results, in which the white holes seen in baseline results were suppressed and the distortions of the outlines of roads and buildings were generated. |
| キーワード(和) | 深層学習 / 360度画像 / 正距円筒図法 |
| キーワード(英) | Generative Adversarial Network / deep learning |
| 資料番号 | PRMU2018-111,MVE2018-53 |
| 発行日 | 2019-01-10 (PRMU, MVE) |
| 研究会情報 | |
| 研究会 | PRMU / MVE / IPSJ-CVIM |
|---|---|
| 開催期間 | 2019/1/17(から2日開催) |
| 開催地（和） | 京都テルサ |
| 開催地（英） | |
| テーマ（和） | AR/VRのためのComputational Photography and Display |
| テーマ（英） | |
| 委員長氏名（和） | 佐藤 真一(NII) / 間瀬 健二(名大) |
| 委員長氏名（英） | Shinichi Sato(NII) / Kenji Mase(Nagoya Univ.) |
| 副委員長氏名（和） | 井尻 善久(オムロン) / 玉木 徹(広島大) / 井原 雅行(NTT) |
| 副委員長氏名（英） | Yoshihisa Ijiri(Omron) / Toru Tamaki(Hiroshima Univ.) / Masayuki Ihara(NTT) |
| 幹事氏名（和） | 石井 雅人(NEC) / 菅野 裕介(阪大) / 青木 良輔(NTT) / 内山 英昭(九大) / 平山 高嗣(名大) |
| 幹事氏名（英） | Masato Ishii(NEC) / Yusuke Sugano(Osaka Univ.) / Ryosuke Aoki(NTT) / Hideaki Uchiyama(Kyushu Univ.) / Takatsugu Hirayama(Nagoya Univ.) |
| 幹事補佐氏名（和） | 入江 豪(NTT) / 牛久 祥孝(東大) / 西口 敏司(阪工大) / 横山 正典(*) |
| 幹事補佐氏名（英） | Go Irie(NTT) / Yoshitaka Ushiku(Univ. of Tokyo) / Satoshi Nishiguchi(Oosaka Inst. of Tech.) / Masanori Yokoyama(*) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Pattern Recognition and Media Understanding / Technical Committee on Media Experience and Virtual Environment / Special Interest Group on Computer Vision and Image Media |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | 360度画像の一領域から全体を生成するGANs |
| サブタイトル（和） | |
| タイトル（英） | GANs for Generating Whole Image from One Region of 360-degree |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 深層学習 / Generative Adversarial Network |
| キーワード(2)（和/英） | 360度画像 / deep learning |
| キーワード(3)（和/英） | 正距円筒図法 |
| 第 1 著者 氏名（和/英） | 秋本 直郁 / Naofumi Akimoto |
| 第 1 著者 所属（和/英） | 慶應義塾大学(略称：慶大) Keio University(略称：Keio Univ.) |
| 第 2 著者 氏名（和/英） | 林 昌希 / Masaki Hayashi |
| 第 2 著者 所属（和/英） | 慶應義塾大学(略称：慶大) Keio University(略称：Keio Univ.) |
| 第 3 著者 氏名（和/英） | 笠井 誠斗 / Seito Kasai |
| 第 3 著者 所属（和/英） | 慶應義塾大学(略称：慶大) Keio University(略称：Keio Univ.) |
| 第 4 著者 氏名（和/英） | 青木 義満 / Yoshimitsu Aoki |
| 第 4 著者 所属（和/英） | 慶應義塾大学(略称：慶大) Keio University(略称：Keio Univ.) |
| 発表年月日 | 2019-01-18 |
| 資料番号 | PRMU2018-111,MVE2018-53 |
| 巻番号（vol） | vol.118 |
| 号番号（no） | PRMU-404,MVE-405 |
| ページ範囲 | pp.149-153(PRMU), pp.149-153(MVE), |
| ページ数 | 5 |
| 発行日 | 2019-01-10 (PRMU, MVE) |