- …
- …
#283
summarized by : Tadashi Ise
どんな論文か？
Learning-to-manipulate GAN (L2M-GAN)と呼ばれる新しい潜在空間因数分解モデルを提案．L2M-GANはエンド・ツー・エンドで学習され、ローカル属性とグローバル属性の両方の編集に有効．変更したい属性にのみ操作が働き，関係のない属性はそのまま維持．実験では人物の顔画像に笑顔の付与や消去という属性操作を実施．生成された画像に対して属性操作の正確性，画像の品質を評価．
新規性
L2M-GANはエンド・ツー・エンドで学習することができ，一度学習したL2M-GANは，他の属性操作タスクにも再学習なしで広く利用でき，写真からアニメの顔への一般化も良好．属性に関連する情報を正しく変更し、属性に関連しない情報を維持でき，生成される画像の画質も従来よりも良好．
結果
実験では，生成された画像に対して属性操作の正確性，画像の品質を評価され，どちらも従来よりも高精度．また，ユーザー調査も実施され，結果は従来よりもはるかに高精度．元画像の属性を参照画像の属性に追従，1つの画像に対して2つの属性を同時に操作，またアニメやゲームの顔画像にも適応もL2M-GANでは可能であることを証明．
その他（なぜ通ったか？等）
- …
- …