敵対的生成ネットワークを利用した創造的データ生成の枠組み

抄録

本研究では創造過程を計算モデルによって模擬した創造的なデータを生成する枠組みを提案する．この枠組みは新規で且つ価値のある高次元データの生成を行う．この枠組みの特徴は混合生成器と自己生成データ学習の2点である．混合生成器はFeature matchingとエントロピーによる正則化の損失関数によって，新規データの生成を可能にする．自己生成データ学習では，価値の高い生成データを学習データとして用いることで，より価値の高いデータを生成するための表現能力を獲得する．この二つの手法を組み合わせて，新規かつ価値のあるデータを生成する枠組み"Deep Creative Model"を提案する．実験では学習データにMNISTを用い，アルファベット画像を価値の高い画像と設定して提案する枠組みを学習させた．学習が進むにつれて徐々にアルファベットに形状が近い画像が生成可能になり，DCMで創造的なデータの生成が可能であることが確認できた．