[dl輪読会]semi supervised learning with context-conditional generative adversarial networks
TRANSCRIPT
論文紹介:Semi-supervisedlearningwithcontext-condi8onal
genera8veadversarialnetworks
ICLR’17underreviewEmilyDentonet,al.
1
書誌情報
• Semi-supervisedlearningwithcontext-condi8onalgenera8veadversarialnetworks
• EmilyDenton(NYU),SamGross,RobFergus(FacebookAIResearch)
• ICLR’17underreview
• pdf:hPp://openreview.net/pdf?id=BJ--gPcxl
2
関連研究:ContextEncoder(CVPR’16)
• Pathaketal.(2016)– hPps://people.eecs.berkeley.edu/~pathak/context_encoder/
4
関連研究:ContextEncoder(CVPR’16)
• Pathaketal.(2016)– hPps://people.eecs.berkeley.edu/~pathak/context_encoder/
AdversarialLoss
JointLoss
L2Loss
x:imageF:context-encoderM:binarymask
Discriminatorは条件付けない(マスク境界で判断するように学習させないため)
5
c.f.GAN:
提案手法 (1)
• CC-GAN(Context-Condi8onalGAN)
x:imagem:mask
CC-GAN^2(generatorで生成した画像をマスクしないものも入れる)
6
Context-encoderとの違い:context-encoder→inpain8ngに適した特徴量提案手法→real/fakeinpain8ngの区別に適した特徴量
提案手法 (2)
• Semi-supervisedlearningwithCC-GAN(SSL-GAN)
ラベル有りデータの場合はclassifica8onlossも出す
Radfordetal.(ICLR’16)
7
実験結果:STL-10
9
STL-10:96x96.10カテゴリ,各カテゴリにラベル付き1,000枚画像,その他100,000枚画像CC-GAN:96x96から64x64をrandomcrop,holeは32x32