処理中

しばらくお待ちください...

設定

設定

出願の表示

1. WO2020129716 - モデル学習装置、モデル学習方法、及びプログラム

公開番号 WO/2020/129716
公開日 25.06.2020
国際出願番号 PCT/JP2019/047940
国際出願日 06.12.2019
IPC
G06T 7/00 2017.01
G物理学
06計算;計数
Tイメージデータ処理または発生一般
7イメージ分析
出願人
  • 日本電信電話株式会社 NIPPON TELEGRAPH AND TELEPHONE CORPORATION [JP]/[JP]
発明者
  • 梅田 崇之 UMEDA, Takayuki
  • 安藤 慎吾 ANDO, Shingo
  • 嵯峨田 淳 SAGATA, Atsushi
代理人
  • 特許業務法人太陽国際特許事務所 TAIYO, NAKAJIMA & KATO
優先権情報
2018-23664518.12.2018JP
公開言語 (言語コード) 日本語 (JA)
出願言語 (言語コード) 日本語 (JA)
指定国 (国コード)
発明の名称
(EN) MODEL LEARNING DEVICE, MODEL LEARNING METHOD, AND PROGRAM
(FR) DISPOSITIF D'APPRENTISSAGE DE MODÈLE, PROCÉDÉ D'APPRENTISSAGE DE MODÈLE ET PROGRAMME
(JA) モデル学習装置、モデル学習方法、及びプログラム
要約
(EN)
The present invention makes it possible to learn an image generation model which can generate an accurate image down to the details thereof. A partitioning unit 22 outputs image data corresponding to a plurality of partitioned regions for each instance of L instances of partitioning processing performed on a learning image I0 and a semantic layout image S0. A reduction unit 26 reduces the semantic layout image S0 and the plurality of region images to a prescribed size. A learning unit 28 learns an image generation model 32 such that: upon the input to a first generator G2 of images obtained by the reduction of each of the plurality of regions obtained by partitioning the semantic layout image S0 by L-1 instances (0 ≤ 1 < L) of partitioning processing, an (l+1)-th generator Gl+1 generates an image corresponding to each of the plurality of regions obtained by partitioning the learning image I0 by L-1 instances of partitioning processing; and upon the input to the first generator G2 of an image obtained by the reduction of the semantic layout image S0, an (L+1)-th generator GL+1 generates an image corresponding to the learning image I0.
(FR)
La présente invention permet l'apprentissage d'un modèle de génération d'image qui peut générer une image précise jusqu'à ses détails. Une unité de partitionnement 22 délivre des données d'image correspondant à une pluralité de régions partitionnées pour chaque instance de L instances de traitement de partitionnement effectué sur une image d'apprentissage I0 et une image de disposition sémantique S0. Une unité de réduction 26 réduit l'image de disposition sémantique S0 et la pluralité d'images de région à une taille prescrite. Une unité d'apprentissage 28 apprend un modèle de génération d'image 32 de telle sorte que : lors de l'entrée dans un premier générateur G2 d'images obtenues par la réduction de chaque région de la pluralité de régions obtenues par partitionnement de l'image de disposition sémantique S0 par L-1 instances (0 ≤ 1 < L) de traitement de partitionnement, un (l +1)-ème générateur Gl+1 génère une image correspondant à chaque région de la pluralité de régions obtenues par partitionnement de l'image d'apprentissage I0 par L-1 instances de traitement de partitionnement ; et lors de l'entrée dans la premier générateur G2 d'une image obtenue par la réduction de l'image de disposition sémantique S0, un (L +1)-ème générateur GL +1 génère une image correspondant à l'image d'apprentissage I0.
(JA)
細部までも正確な画像を生成することができる画像生成モデルを学習することができる。 分割部22は、学習用画像I及びセマンティックレイアウト画像Sに分割処理をL回行う毎に、分割した複数の領域に応じた画像データを出力する。縮小部26は、セマンティックレイアウト画像S及び複数の領域の画像を所定サイズに縮小する。学習部28は、L-l回(0≦l<L)の分割処理によりセマンティックレイアウト画像Sを分割した複数の領域の各々を縮小した画像を1番目の生成器Gに入力したときにl+1番目の生成器Gl+1が、L-l回の分割処理により学習用画像Iを分割した複数の領域の各々に対応する画像を生成し、セマンティックレイアウト画像Sを縮小した画像を1番目の生成器Gに入力したときにL+1番目の生成器GL+1が、学習用画像Iに対応する画像を生成するように画像生成モデル32の学習を行う。
国際事務局に記録されている最新の書誌情報