CGAN (Conditional GAN):条件付き敵対的生成ネットワーク

GAN, DCGANに引き続き、



次はCGAN (Conditional GAN)のお勉強。
日本語で言うと「条件付き敵対的生成ネットワーク」といったところでしょうか。

CGAN (Conditional GAN)

CGAN (Conditional GAN)は2014年にarXivで公開された論文 Conditional Generative Adversarial Netsで提案された生成手法。arXivで公開されただけで、学会発表はしていないようです。中身も割とあっさりした論文。学会発表されていない論文が後に引用される時代か。

CGANは以下の図のように、Generator, DiscriminatorによるGANの基本構造を踏襲しつつ、条件を与えられるように拡張されている↓

G:Generator
D:Discriminator
z:ノイズベクトル
y:条件ベクトル
x:本物のデータ (学習データ)
G(z):Generatorが生成した偽のデータ


スポンサーリンク


オリジナルのGANCGANの大きな違いは、Generatorの入力にノイズベクトルだけでなく、条件ベクトルも与えている点。それに伴い、Discriminatorも条件ベクトルに相当する条件データを入力できるよう改良されている。
そのため、CGANの目的関数は以下の式のように、GANの目的関数に条件ベクトルyを加えた形になる↓

ノイズだけでなく、条件の情報を入力することで、CGANは特定の条件のデータを生成できるようになっている。ここで「条件」として使用する情報はほとんどの場合クラスラベルや文章などですが、他にもあらゆる情報を想定できるそうです。


スポンサーリンク

Generatorの入力

通常のGANGeneratorの入力をn桁のノイズベクトルだとすると、CGANの入力は、n桁のノイズベクトルに条件ベクトル分の桁を結合したベクトルとなる。
つまり、ノイズベクトルの要素が100個、条件ベクトルの要素が10個だとすると、110個の要素を持つベクトルがGeneratorの入力となる。
条件ベクトルはone-hot表現のベクトルとして与える。
例えば0~9までの数字画像を生成する場合、4という数字を表す条件ベクトルは [0, 0, 0, 0, 1, 0, 0, 0, 0, 0]となる。

Discriminatorの入力

通常、GANDiscriminatorの入力はwidth × heightの実データ(画像)または生成データ(画像)だけだが、CGANではデータ生成時の条件も入力する。
しかし、実装上DiscriminatorにはGeneratorのように条件ベクトルをそのまま入力することができないため、条件をwidth × heightのデータ(画像)として入力する。これは、Generatorに入力するone-hot表現の条件ベクトルの各要素をそれぞれ1枚の条件画像に変換するということ。(条件数分チャンネルを持った1枚の画像とも言えますが)
例えば、0~9までの数字を条件とする場合は10枚の条件画像を用意することになる。この場合、4という数字に相当する5枚目の条件画像のピクセル値は全て1で埋める。

CGANの学習

CGANも通常のGANの考え方に則り、GeneratorDiscriminatorを競わせるように学習する。
CGANの学習ステップは通常のGANとほぼ同様なので割愛。

MNISTデータセットを用いた実験

MNISTデータセットを使い、数字のラベルを条件として使用した実験結果↓

Generatorの入力となる条件ベクトルが数字の指定、ノイズベクトルが同じ数字のバリエーションを生成するパラメータとして機能している。

ちなみに、CGANDCGANのようにネットワークを畳み込み層で構成すると、DCGANと同様に高品質な画像を特定の条件で生成できるようになる。これはCDCGAN (Conditional DCGAN)と呼ばれたりもする。ネットでCGANの実装例を探すと、むしろCDCGANの実装例の方が多い気がする。

この他、論文ではFlickrの画像データを用いてタグ情報を条件に使用した実験も行っている。

CGANの実装

これをフォークして自分で実装を試してみてるけど、まだ実装途中です。。。
https://github.com/NegativeMind/Pytorch-conditional-GANs

PyTorchでの実装例はCDCGANのサンプルばかりで、純粋なCGANの良い例が見つけられない。。。

次はいよいよPix2Pix
Pix2Pix以降はこれに従って順に勉強していこうかな↓


スポンサーリンク

関連記事

OpenCV 3.3.0 contribのsfmモジュールのサンプルを動かしてみる
FacebookがDeep learningツールの一部をオープンソース化
GANs (Generative Adversarial Networks):敵対的生成ネットワーク
第25回コンピュータビジョン勉強会@関東に行って来た
Photogrammetry (写真測量法)
OpenCV 3.1のsfmモジュールを試す
PyDataTokyo主催のDeep Learning勉強会
PSPNet (Pyramid Scene Parsing Network):ディープラーニングによ...
Mask R-CNN:ディープラーニングによる一般物体検出・Instance Segmentatio...
Unityで強化学習できる『Unity ML-Agents』
クリエイターのための機械学習ツール『Runway ML』
今年もSSII
OpenCVのバージョン3が正式リリースされたぞ
OpenCV3.3.0でsfmモジュールのビルドに成功!
OpenGVの用語
SSII2014 チュートリアル講演会の資料
機械学習について理解するための可視化ツール『MLDemos』
機械学習について最近知った情報
3D復元技術の情報リンク集
Kinect for Windows V2のプレオーダー開始
オープンソースのSfM・MVSツール『COLMAP』
ニューラルネットワークで画像分類
機械学習で流体シミュレーションを近似する『Physics Forests』
OpenCVの三角測量関数『cv::triangulatepoints』
機械学習手法『SVM(Support Vector Machine)』
インタラクティブにComputer Visionコーディングができるツール『Live CV』
Facebookの顔認証技術『DeepFace』
openMVGをWindows10 Visual Studio 2015環境でビルドする
読みやすくて高速なディープラーニングのフレームワーク『Caffe』
書籍『イラストで学ぶ ディープラーニング』
機械学習のオープンソースソフトウェアフォーラム『mloss(machine learning ope...
Two Minute Papers:最新の研究論文を数分間で紹介するYouTubeチャンネル
人間の顔をそっくりそのままCGで復元する『Digital Emily Project』
「ベンジャミン·バトン数奇な人生」でどうやってCGの顔を作ったのか
手を動かしながら学ぶデータマイニング
OpenCV 3.1とopencv_contribモジュールをVisual Studio 2015で...
オープンソースのロボットアプリケーションフレームワーク『ROS (Robot Operating S...
『Deep Fluids』流体シミュレーションをディープラーニングで近似する
顔追跡による擬似3D表示『Dynamic Perspective』
Kinect for Windows v2の日本価格決定
SSII 2014 デモンストレーションセッションのダイジェスト動画
ディープラーニングに対応したPythonの機械学習ライブラリ『Pylearn2』

コメント