1. 概要
敵対的生成ネットワーク(GANs)の利活用の一つとして、獲得した表現力を活かして自動でラベル付きのデータセットを生成する研究が提案されている。しかし、従来手法では合成画像用の新しいアノテーションを必要としているため、アノテーターを雇って新規のデータセットを作り出すためのアノテーション作業をしなければならず、生成されたデータセットの品質を担保するためにも人手の作業が減らずにコストダウンを図ることが難しかった。
2. 新規性
提案手法では、50枚未満の既存のラベル付きの画像セットで学習しておくことで、無尽蔵に新たなデータセット用の画像を生み出す技術を開発した。
3. 実現方法
特に、人の顔や車、全身が映った人物像や都市部で車を運転するシーンなど、これまで再現が難しかったドメインにおいて、ピクセル単位でラベル付きのデータセット画像を自動生成することに成功している。
4. 結果
画像の領域分割を推定するセマンティックセグメンテーション(semantic segmentation)や特徴点を予測するキーポイント検出(key-point detection)、対象までの距離を推定する深度測定(depth estimation)といった様々なラベルを自動で生成することができ、かつ転移学習や画像生成技術を用いた従来技術に比べて最高性能を達成している。
last updates: June 19 2023