メタ学習としてのGenerative Query Network

抄録

Generative Query Network(GQN)は未知の視点からの観測画像のレンダリングを可能にする革新的な深層生成モデルであり，新たな3次元モデリング手法として注目を集めた．しかし，GQNには，莫大な学習コストがかかる点，ハイパーパラメータに敏感で学習が安定しない点などの課題があることがわかっている．また，確率モデルとしての検証が不十分であるために，モデルアーキテクチャの解釈性が低く，発展研究の妨げとなっている．本研究では，これらの課題を解決するため，GQN の確率モデルをメタ学習のフレームワークを用いて定式化し，それに基づいて，学習のコストと不安定性を改善する手法の提案を行う．評価実験ではShepard Metzlerデータセットを用いてその有効性を検証する．