GANなどの深層学習を用いた生成モデルによる画像処理と小規模データ学習

深層学習 (ディープラーニング) は様々な機械学習タスクで高い性能を発揮しているが、特に注目すべきは画像処理分野である。識別や分類だけでなく、教師無しでの異常検知、画像の高解像度化、文章から画像や動画の生成、さらには生成した疑似データを用いることで少ない教師データでの学習も可能となる。このようなタスクは特に変分自己符号化器や敵対的生成ネットワークといった手法によって飛躍的な向上が見られる。 　本講演では敵対的生成ネットワーク (GAN) を中心に、変分自己符号化器 (VAE) 、フローベースモデル、自己回帰モデルなど様々な深層生成モデル・ベイズ的深層学習の手法を紹介する。 細かな理論的背景や実装法には立ち入らず、各手法の目的と応用例を中心に解説する。

1. 深層生成モデルの背景
   1. 深層学習の基本と問題点
   2. 生成モデルの紹介
2. 尤度を用いた深層生成モデル
   1. 自己符号化器から変分自己符号化器 (VAE)
   2. 一般化された深層生成モデルと応用事例
   3. 深層生成モデルを用いた少数データ学習
   4. 深層生成モデルの問題点と自己回帰モデル
   5. 変数変換を用いた深層生成モデル
3. 尤度を用いない深層生成モデル
   1. 敵対的生成ネットワークについての基礎知識
   2. 敵対的生成ネットワークのテクニック
   3. 敵対的生成ネットワークを用いた画像生成
   4. 敵対的生成ネットワークを用いた応用事例
• 質疑応答