深層生成モデルのための可換かつ非線形な画像編集

抄録

敵対的生成ネットワーク（GAN）などの深層生成モデルは高精度に画像を生成できるが，一方で画像の意味的な編集は重要な課題である．深層生成モデルの生成画像を意味的に編集するために，潜在空間における線形または非線形な意味的な経路を抽出し，これらの経路に沿って潜在変数を操作することで画像を編集する手法が提案されてきた．しかし，線形な経路を使う手法では抽出できる経路に制約が課されているため画像編集の質に限界がある．また，非線形な経路を使う手法では複数属性の可換な画像編集ができない．本研究では潜在空間における可換な属性ベクトル場を学習する手法を提案する．提案手法は複数属性の可換な画像編集と既存手法と比較してより柔軟な経路の抽出による質の高い画像編集が可能である．いくつかの事前学習済みGANを用いた実験から，実際に提案手法が複数属性の可換な画像編集と既存手法と比較してより属性ごとに分離した質の高い画像編集が可能であることを示す．