4. CycleGANの画像変換と現代美術への応用
- 2. GAN (Generative Adversarial Network) Generative Adversarial Nets Ian J.Goodfellow et al., 2014 https://arxiv.org/pdf/1406.2661.pdf G: Generator z: ノイズベクトル D: Discriminator x: 本物のデータ（教師データ） G(z): Generator が生成した偽のデータ MNIST dataset z G D G(z) x True:1 or False: 0 偽物 (0.1, 0.4, -0.2 …)
- 3. D(x) = 1 の時、最大値0 D(x): xがラベル1(本物)であると判断する確 率 2.Generatorの学習 D(G(z)) = 0 の時、最大値0 1?D(G(z)): G(z)がラベル0(偽 物)と判断する確率 D(G(z)) = 1 の時、最小値 -∞ 1?D(G(z)): G(z)がラベル0(偽物)と 判断する確率 MNIST dataset z G D G(z) x G: Generator z: ノイズベクトル D: Discriminator x: 本物のデータ（教師データ） G(z): Generator が生成した偽のデータ True:1 or False: 0 固定 固定 偽物 BCE ≡ 1.Discriminatorの学習 GANの学習 (0.1, 0.4, -0.2 …)
- 4. Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks Jun-Yan Zhu, Taesung Park et. al 2017 https://arxiv.org/pdf/1703.10593.pdf Repository: https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix lossの計算: cycle_gan_model.py#L168-L177 Cycle GAN Pix2Pix (線画から写真) Cycle GAN (写真から絵)
- 5. * Identity Mapping Lossは 割愛? * 図と数式は論文より引用 ? G: 馬からシマウマ F: シマウマから馬 Dy: シマウマ判別器 Dx: 馬判別器 Cycle Consistency Loss Adversarial Loss
- 6. 19～20世紀に活躍したフランスの画家、彫刻家 ? フォービスム（野獣派）の代表 ? Henri Matisse (アンリ?マティス) 緑の筋のあるマティス夫人の肖像 (1905) 王の悲しみ (1952) at ポンピドゥセンター 赤いハーモニー (1908) 1869 ~ 1954 襟巻の女(1936) ※ 野獣派としての活動は1905~1908の３年間のみ
- 7. 使用データ 学習環境 https://www.wikiart.org/en/henri-matisse から取得したマティス作品 1008点 Google colab pro のGPU環境 (1,072円/月)
- 9. Loss
- 10. 制作: P.I.C.S 技術開発: aircode (Project page) ムンク展ー共鳴する魂の叫び 東京都美術館 2018/10/27 ~ 2019/1/20 https://vimeo.com/307183476
- 11. identity loss intuition behind the loss functions loss_idt_A and loss_idt_B #322 https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix/issues/322 論文より: https://arxiv.org/pdf/1703.10593.pdf
- 12. 参考 - https://arxiv.org/pdf/1406.2661.pdf (GAN 原論文) - https://arxiv.org/pdf/1703.10593.pdf (CycleGAN 原論文) - https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix (CycleGAN著者のRepository) - GANの損失関数 - 今さら聞けないGANの目的関数 - 敵対的生成ネットワーク（ GAN）(slideshare) - Neural Style Transfer (画風変換)