seoil e&m

エンコーダ(E)から映像情報抽出、分離器(S)が抽出された映像情報を映像の形態情報とスタイル(環境)情報に分離し、生成器(G)が各スタイルのイメージを生成する構造である

Sourceドメインのイメージの数字は類似で、Targetドメインのイメージのスタイルを反映してイメージを生成している

複雑な構成のイメージに対するイメージ変換結果

2021.07.14 10:41

最近、人工知能技術にの基になるディープラーニング技術がだんだん高度化されて、イメージを生成·変換するディープラーニング研究が活発である。
従来の研究は、様々な類似の特徴を持つイメージの集合であるドメイン(Domain)で共通に現れるイメージ情報を探すことだけに焦点が当てられてきた。

このため、イメージ情報をうまく活用することが難しく、適用可能なデータやモデルの性能に限界があった。
また、活用したイメージ情報を線形に単純に構成し、一つのイメージに変換されたイメージ一つだけが得られるなどの限界があった。

それでDGISTは、情報通信融合専攻のS.H.LIM(イム·ソンフン)教授の研究チームがディープラーニング技術を活用して
複雑で多様なイメージから映像の環境情報を分離、変換する人工知能(AI)ニューラルネットワークモジュールを開発した。

この技術を通じてイメージ変換、ドメイン適応など人工知能分野の発展に画期的な貢献が期待される。

S.H.LIM教授の研究チームは、イメージ情報の構成がドメインごとに異なることがありえるし、線形的構成のように単純な構成ではないとの仮説を立てた。
研究チームは、イメージ情報を全体的な形態情報とスタイル情報に明確に分けることができる分離器を設計した。

これを利用してドメインごとに異なる重み付けを使用して、ドメイン間の違いを反映することができるようにした。
また、分離したイメージ情報間の関連性を利用して、各イメージ構成に合うスタイル情報を探す新しいニューラルネットワーク構造を開発することに成功した。

研究チームが開発したニューラルネットワークは、一つのモデルでも様々なドメインのイメージ変換が自由自在にできるメリットがある。
そこで、時刻認知問題に研究チームが開発したドメイン適応アルゴリズムを適用した際、従来より2倍高いの精度を示すことができた。

S.H.LIM教授は「今回の研究で開発したニューラルネットワークはイメージ情報に対する新たな分析が盛り込まれたニューラルネットワーク」とし
「今後関連技術をさらに改善すれば、多くの分野に適用されて人工知能分野の発展に肯定的な影響を与えると期待される」と述べた。

一方、第1著者である情報通信融合専攻のS.H.LEE(イ·スンフン)学位連携課程生が参加した今回の研究結果は、
5月28日のアーカイブに「DRANet:監督されないドメイン間の適応のための表現および適応ネットワーク
(DRANet:Disentangling Representation and Adaptation Networks for Unsupervised Cross-Domain Adaptation)」とのタイトルで発表された。
又、AI分野の最優秀国際学術誌「IEEE Conference on Computer Vision and Pattern Recognition」に6月25日オンラインで掲載された。


※本件についてお問い合わせ事項がございましら、当ホームページの「お申込み/お問い合わせ」又は下記の連絡先へご連絡お願い致します。
部署名：SEOIL E&M 企画マーケティンググループ
TEL ：+82)2-6204-2033
E-mail : pl@seoilenm.com