| 講演抄録／キーワード |
| 講演名 |
2021-02-19 14:15
［特別講演］ゴム材料開発のためのConditional StyleGANに基づく配合量からの電子顕微鏡画像の生成に関する一検討
○柳 凜太郎・藤後 廉・小川貴弘・長谷山美紀（北大） |
| 抄録 |
（和） |
配合元となる素材およびその配合量(以降，配合データ)からゴム材料の物性を推定することは，ゴム材料開発の高度化・高速化において必要不可欠である．従来，ゴム材料の物性推定では，配合元となる素材からゴム材料を加工し，加工されたゴム材料に対して評価試験を行うことで配合データおよび物性の組を収集する．その後，以上の組を学習データとして利用することで，様々な配合データからの物性推定を実現している．しかしながら，そのような評価試験には膨大なコストが必要であることから，新素材などに対して柔軟に学習データを収集することは困難である．一方で，類似した物性を有するゴム材料は類似した電子顕微鏡画像を持つことが知られている．そのため，配合データおよび対応する電子顕微鏡画像を学習データとして，配合データに対応する電子顕微鏡画像を生成可能な手法を実現することで，新素材などに対しても柔軟に対応可能な物性推定に結びつくと考えられる．そこで，本文では，配合データからの電子顕微鏡画像生成について検討を行う．提案手法では，電子顕微鏡画像とその配合データの組を用いて，条件付き画像生成手法の一つである Conditional Style Generative Adversarial Network (Conditional Style GAN)の学習を行う．提案手法により，配合データを表現する電子顕微鏡画像を生成することで，評価試験を必要としない効率的な物性推定に結びつくことが期待される． |
| （英） |
Estimating the properties of rubber materials from ingredients is necessary to accelerate rubber material development. In conventional methods, they synthesize rubber materials from ingredients, and then they collect pairs of ingredient mix proportions and rubber properties via various evaluation tests. By utilizing these pairs as training data, they realize rubber property estimation from unknown ingredient mix proportions. However, conducting the evaluation tests takes a lot of costs and then it is difficult to flexibly apply these methods for new ingredients. On the other hand, it is well known that rubber materials with similar properties possess similar electron microscope images. Therefore, image generation utilizing pairs of ingredient mix proportions and electron microscope images as training data leads to rubber property estimation without the evaluation tests. In this paper, we propose a method that can generate electron microscope images from ingredient mix proportions. In the proposed method, we train a conditional style generative adversarial network utilizing pairs of ingredient mix proportions and electron microscope images. Experimental results showed that the effectiveness of the proposed method. |
| キーワード |
（和） |
ゴム材料 / 電子顕微鏡画像 / 敵対的生成ネットワーク / 画像生成 / 配合データ / / / |
| （英） |
rubber materials / electron microscope image / generative adversarial network / image generation / ingredient mix proportions / / / |
| 文献情報 |
映情学技報, vol. 45, no. 4, ME2021-22, pp. 171-175, 2021年2月. |
| 資料番号 |
ME2021-22 |
| 発行日 |
2021-02-11 (MMS, ME, AIT) |
| ISSN |
Print edition: ISSN 1342-6893 Online edition: ISSN 2424-1970 |
| PDFダウンロード |
|
|