講演抄録/キーワード |
講演名 |
2022-02-21 16:45
Variational Autoencoder に基づく深層生成モデルを用いた潜在表現の Disentanglement に関する検討 ~ Disentanglement 評価指標を含む正則化損失の導入 ~ ○中川 真・藤後 廉・小川貴弘・長谷山美紀(北大) |
抄録 |
(和) |
本文では,Variational Autoencoder (VAE) に基づく深層生成モデルによる潜在表現のdisentanglementに関する検討を行う. Disentanglementは,データの単一の変動要因に対し単一の成分が対応する潜在表現の獲得を目的とする. 従来研究では,潜在変数に独立性の制約を課す深層生成モデルによりdisentanglementを行う手法が種々提案されてきたが,独立性のみによっては潜在変数と変動要因の対応が必ずしも獲得されるとは限らないという問題が存在する. そこで本文では,種々提案されているdisentanglementに対する評価指標のうち微分可能なものを正則化損失として導入した深層生成モデルによってdisentanglementを行う手法を提案する. 提案手法では,評価指標を直接勾配降下法による最適化の目的関数の一部とすることでdisentanglementを行う. また,予備実験により種々の評価指標の性質を検証したのち,実験により提案手法の有効性を検証する. |
(英) |
In this paper, we study disentangled representation learning using a deep generative model based on Variational Autoencoder (VAE). The goal of disentanglement is to obtain a latent representation in which single latent variables correspond to single factors of variation. Although several unsupervised methods have been proposed for disentanglement by imposing the element-wise independence of latent variables, it has been shown that independence does not guarantee disentanglement. Hence, we propose a novel disentanglement method using a VAE-based model whose loss function includes a regularization loss based on a differentiable disentanglement metric. Our method disentangles the representation by applying gradient descent directly to a disentanglement metric function. We first validate the behavior of the various disentanglement metrics and then show the effectiveness of our method. |
キーワード |
(和) |
深層学習 / 表現学習 / 深層生成モデル / disentanglement / variational autoencoder / / / |
(英) |
deep learning / representation learning / deep generative model / disentanglement / variational autoencoder / / / |
文献情報 |
映情学技報, vol. 46, no. 6, ME2022-44, pp. 97-102, 2022年2月. |
資料番号 |
ME2022-44 |
発行日 |
2022-02-14 (MMS, ME, AIT) |
ISSN |
Print edition: ISSN 1342-6893 Online edition: ISSN 2424-1970 |
PDFダウンロード |
|
研究会情報 |
研究会 |
AIT ME MMS IEICE-IE IEICE-ITS |
開催期間 |
2022-02-21 - 2022-02-22 |
開催地(和) |
オンライン開催 |
開催地(英) |
online |
テーマ(和) |
画像処理、一般 |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
ME |
会議コード |
2022-02-AIT-ME-MMS-IE-ITS |
本文の言語 |
日本語 |
タイトル(和) |
Variational Autoencoder に基づく深層生成モデルを用いた潜在表現の Disentanglement に関する検討 |
サブタイトル(和) |
Disentanglement 評価指標を含む正則化損失の導入 |
タイトル(英) |
A Note on Disentanglement Using Deep Generative Model Based on Variational Autoencoder |
サブタイトル(英) |
Introduction of Regularization Losses Based on Metrics of Disentangled Representation |
キーワード(1)(和/英) |
深層学習 / deep learning |
キーワード(2)(和/英) |
表現学習 / representation learning |
キーワード(3)(和/英) |
深層生成モデル / deep generative model |
キーワード(4)(和/英) |
disentanglement / disentanglement |
キーワード(5)(和/英) |
variational autoencoder / variational autoencoder |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
中川 真 / Nao Nakagawa / ナカガワ ナオ |
第1著者 所属(和/英) |
北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.) |
第2著者 氏名(和/英/ヨミ) |
藤後 廉 / Ren Togo / トウゴ レン |
第2著者 所属(和/英) |
北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.) |
第3著者 氏名(和/英/ヨミ) |
小川 貴弘 / Takahiro Ogawa / オガワ タカヒロ |
第3著者 所属(和/英) |
北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.) |
第4著者 氏名(和/英/ヨミ) |
長谷山 美紀 / Miki Haseyama / ハセヤマ ミキ |
第4著者 所属(和/英) |
北海道大学 (略称: 北大)
Hokkaido University (略称: Hokkaido Univ.) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
第21著者 氏名(和/英/ヨミ) |
/ / |
第21著者 所属(和/英) |
(略称: )
(略称: ) |
第22著者 氏名(和/英/ヨミ) |
/ / |
第22著者 所属(和/英) |
(略称: )
(略称: ) |
第23著者 氏名(和/英/ヨミ) |
/ / |
第23著者 所属(和/英) |
(略称: )
(略称: ) |
第24著者 氏名(和/英/ヨミ) |
/ / |
第24著者 所属(和/英) |
(略称: )
(略称: ) |
第25著者 氏名(和/英/ヨミ) |
/ / |
第25著者 所属(和/英) |
(略称: )
(略称: ) |
第26著者 氏名(和/英/ヨミ) |
/ / |
第26著者 所属(和/英) |
(略称: )
(略称: ) |
第27著者 氏名(和/英/ヨミ) |
/ / |
第27著者 所属(和/英) |
(略称: )
(略称: ) |
第28著者 氏名(和/英/ヨミ) |
/ / |
第28著者 所属(和/英) |
(略称: )
(略称: ) |
第29著者 氏名(和/英/ヨミ) |
/ / |
第29著者 所属(和/英) |
(略称: )
(略称: ) |
第30著者 氏名(和/英/ヨミ) |
/ / |
第30著者 所属(和/英) |
(略称: )
(略称: ) |
第31著者 氏名(和/英/ヨミ) |
/ / |
第31著者 所属(和/英) |
(略称: )
(略称: ) |
第32著者 氏名(和/英/ヨミ) |
/ / |
第32著者 所属(和/英) |
(略称: )
(略称: ) |
第33著者 氏名(和/英/ヨミ) |
/ / |
第33著者 所属(和/英) |
(略称: )
(略称: ) |
第34著者 氏名(和/英/ヨミ) |
/ / |
第34著者 所属(和/英) |
(略称: )
(略称: ) |
第35著者 氏名(和/英/ヨミ) |
/ / |
第35著者 所属(和/英) |
(略称: )
(略称: ) |
第36著者 氏名(和/英/ヨミ) |
/ / |
第36著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2022-02-21 16:45:00 |
発表時間 |
15分 |
申込先研究会 |
ME |
資料番号 |
MMS2022-19, ME2022-44, AIT2022-19 |
巻番号(vol) |
vol.46 |
号番号(no) |
no.6 |
ページ範囲 |
pp.97-102 |
ページ数 |
6 |
発行日 |
2022-02-14 (MMS, ME, AIT) |