2017-01-01から1年間の記事一覧
38. Fast-AT: Fast Automatic Thumbnail Generation using Deep Neural Networks , CVPR2017 １枚の画像から，アスペクト比を指定してサムネイルを生成．アスペクト比ごとに畳み込み層のカーネルを使い分ける． 物体検出のフレームワークが元．saliencyは利…
28. Learning from Simulated and Unsupervised Image through Adversarial Training シミュレータで画像を生成した時についてくるアノテーション情報と，refineした画像が食い違わないようにする工夫が面白い． 現実的な画像に近づけられたかをどう定量的に…
1. Generative Adversarial Nets 2. unsupervised representation learning with deep convolutional generative adversarial networks (pdf) 3. Image-to-Image Translation with Conditional Adversarial Networks (pdf) 4. InfoGAN 5. Pose Guided Person…
SIGGRAPH 2017で発表された「Globally and Locally Consistent Image Completion」を簡略し実験した記録です．(ディープネットワークによるシーンの大域的かつ局所的な整合性を考慮した画像補完） 論文へのリンク： http://hi.cs.waseda.ac.jp/~iizuka/proje…
5/25 arXivに投稿された，Pose Guided Person Image Generation という論文を読みました． [1705.09368] Pose Guided Person Image Generation Pose Guided Person Generation Network 服や人の情報を残して，任意のポーズを取った，人の画像を生成したい． …
infoGANの論文を読み，MNIST用の実装をPyTorchで行った記録です． 論文は2016年6月に出ているので1年ほど前のもの． [1606.03657] InfoGAN: Interpretable Representation Learning by Information Maximizing Generative Adversarial Nets タイトルを日本語…
機械学習プロフェッショナルシリーズの「深層学習」のChapter5を参考に，PyTorchでAutoEncoderの実装を行いました． パラメータとしては， 入出力層が28x28次元， 中間層が100次元， （28x28 -> 100 -> 28x28） 中間層の活性化関数はReLU， 出力層の活性化関…
GANの論文を読んだついでにMNIST用に実装しました． ネットワークには，Convolutionを使わず，多層ニューラルネットです．層の数，活性化関数やバッチ正規化などの設定はてきとうです．なのでGANもどきです． がんもどき pytorchで実装したかったので，本家…
