GANとStyleGAN(v2)

概要

敵対的生成ネットワーク(GAN)は深層生成モデルの一つであり，適切に学習すれば，学習訓練データ集合に無く，かつ訓練データと見分けがつかないよいうなデータを生成することができます．本セミナーでは，近年世界に衝撃を与えたGANであるStyleGANを中心にして，GANの構造を説明します．さらに発展的な話題として，現実画像を潜在変数空間に落とし込む手法も説明します．

目的

• GANの基本構造の理解する．
• StyleGANおよびStyleGANv2の構造を理解する．
• 現実世界の画像を潜在空間に落とし込む手法を理解する．

発表日時

場所:  オンライン (Zoom)
日時: 2020年5月10日 10時 - 12時

参考資料

[1] I. Goodfellow et al. Generative Adversarial Networks. NeurIPS, 2017. [arXiv]
[2] A. Radford et al. Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks. ICLR, 2016. [arXiv]
[3] M. Arjovsky et al. Wasserstein GAN. ICML, 2017. [arXiv]
[4] T. Karras et al. A Style-Based Generator Architecture for Generative Adversarial Networks. CVPR, 2019. [arXiv]
[5] X. Huang et al. Arbitrary Style Transfer in Real-time with Adaptive Instance Normalization. ICCV, 2017. [arXiv]
[6] T. Karras et al. Analyzing and Improving the Image Quality of StyleGAN. CVPR, 2020. [arXiv]
[7] R. Abdal et al. Image2StyleGAN: How to Embed Images Into the StyleGAN Latent Space?. CVPR, 2019. [arXiv]
[8] R. Abdal et al. Image2StyleGAN++: How to Edit the Embedded Images?. CVPR, 2020. [arXiv]