Generative Adversarial Networks によるスイーツ画像の生成

Generative Adversarial Networks によるスイーツ画像の生成

古野嗣弥

本研究では、Generative Adversarial Networks(GAN)を用いてスイーツ画像を生成させることを目標とした。

GANとは、生成モデルと呼ばれるものの1つであり、与えられたデータの生成過程を学習するものである。GANは、Discriminator、Generatorという2つのニューラルネットワークからなる。Discriminatorは、データが与えられると、それが本物であるか偽物であるかを識別する。Generatorは、適当な乱数値に対して1つの偽物データを生成する。この2つのネットワークが敵対的な関係となり、学習を進める。

Deep Convolutional GAN(DCGAN)、Patch GAN、Auxiliary Classifer GAN(ACGAN)という3つの手法で実際にスイーツ画像の生成を学習させる実験を行った。結果を比較すると、ACGANによる生成画像が最もスイーツらしく見えた。さらに、様々な改良を加えることで、より本物のスイーツらしい画像を生成できることも確認した。

優秀プレゼンテーション賞(学部2019年度)