teratail
回答率
85.35%
teratail header banner
teratail header banner
質問するログイン新規登録
トップに関する質問DC-GANについて教えて下さい

編集履歴

質問編集履歴

8

文章修正

2021/02/09 01:51

投稿

watchdogs
watchdogs

スコア54

test CHANGED
File without changes
test CHANGED
@@ -34,6 +34,8 @@
34
34
 
35
35
  ・何を基準に精度をシグモイドで精度を上げているのかわかりません。
36
36
 
37
+ ・GAN-CLSとの違いも知りたいです。
38
+
37
39
 
38
40
 
39
41
  読んでもよく意味が分からないので教えて頂けますか。

7

質問文修正

2021/02/09 01:51

投稿

watchdogs
watchdogs

スコア54

test CHANGED
File without changes
test CHANGED
@@ -10,7 +10,7 @@
10
10
 
11
11
  ここで紹介されているネットワークアーキテクチャーですが、
12
12
 
13
- ここではテキストから画像生成するモデルとしてDC－GANが紹介されています。
13
+ ここではテキストから画像生成する最初のモデルとしてDC－GANが紹介されています。
14
14
 
15
15
  画像を書きに示します。
16
16
 
@@ -18,78 +18,24 @@
18
18
 
19
19
 
20
20
 
21
- ここでよくわからないですが、
21
+ ここで
22
22
 
23
- GANと言えば
23
+ DC－GANのモデルでこの認識器Dが行っている仕事内容がわからないので、
24
24
 
25
- 正解があってその正解に近づけるように画像を生成する
25
+ 教えてほしいです。
26
26
 
27
- 正解と生成されたものを見分けられるように識別器を学習させる
27
+ ・Dではテキストに対する画像の精度を見ているのでしょうか。
28
28
 
29
+ 特に説明では、正解の説明文は与えているが、
30
+
29
- と2つのネットワークが学習し合い精度の高い画像を生成すると勉強しましたが、
31
+ 正解画像を与えているようなことは記載されていません。
30
32
 
31
33
 
32
34
 
33
- 本DC-GANのモデルでは、
34
-
35
- 正解画像を用いずに、下記の手順に沿って画像を生成すると表記されています。
35
+ ・何を基準に精度をシグモイドで精度を上げているのかわかりません。
36
36
 
37
37
 
38
38
 
39
- ＜画像生成（G）＞
40
-
41
- テキストをRNNなどを使用してエンコードする
42
-
43
- ↓
44
-
45
- コンコードされたデータに対して
46
-
47
- Leaky－reluを使用して低圧縮する
48
-
49
- ↓
50
-
51
- 別入力であるノイズZと結合させてGANげ入力する
39
+ 読んでもよく意味が分からないので教えて頂けますか。
52
-
53
- ↓
54
-
55
- 画像を生成する
56
-
57
-
58
-
59
- ＜認識判断（D）＞
60
-
61
- 生成された画像を入力として受け取る
62
-
63
- ↓
64
-
65
- 4×4の大きさになるまで畳み込み層とスライド層（stride:2）で計算を行う
66
-
67
- ↓
68
-
69
- エンコードされたテキストφ(t)を画像と結合して、線形結合層を使用し圧縮を行う
70
-
71
- ↓
72
-
73
- Dで出力する画像の特徴量である4×4で複製を行う
74
-
75
- ↓
76
-
77
- 1×1畳み込みを使用して特徴量を圧縮
78
-
79
- ↓
80
-
81
- 4×4畳み込み層を使用して確立を出力
82
-
83
-
84
-
85
- と説明がありました。
86
-
87
-
88
-
89
- DC-GANでは正解データを使うという概念がそもそもないのか知りたいです。
90
-
91
- それとDC－GANの重みの更新がどのように行われているのか知りたいです。
92
-
93
-
94
40
 
95
41
  よろしくお願い致します。

6

修正

2021/02/09 01:50

投稿

watchdogs
watchdogs

スコア54

test CHANGED
@@ -1 +1 @@
1
- GAN-CLSについて理解が正しいか教えて下さい。
1
+ DC-GANについて教えて下さい
test CHANGED
@@ -1,6 +1,4 @@
1
- GAN-CLSについて勉強しています。
1
+ DC－GANについて知りたいです。
2
-
3
- 下記の理解で正しいか教えていただけると大変助かります。
4
2
 
5
3
 
6
4
 
@@ -10,54 +8,88 @@
10
8
 
11
9
 
12
10
 
13
- Generator Network（G）で行っていること
11
+ ここで紹介されているネットワークアーキテクチャーですが、
14
12
 
15
- 任意の文章と画像に一致した文章がRNNエンコーダでエンコーディングされる
13
+ ここではテキストから画像生成するモデルとしてDC－GANが紹介されています。
16
14
 
17
- そこから画像に一致した文章がエンコーディングされたφと
15
+ 画像を書きに示します。
18
16
 
19
- 画像生成用の乱数のノイズ（z~N(0,1)）を加えてφ（t）としてGに入力され画像を生成させる。
17
+ ![イメージ説明](3a59f6594963eda5305fca13b48fa729.png)
20
18
 
21
19
 
22
20
 
21
+ ここでよくわからないですが、
22
+
23
+ GANと言えば
24
+
25
+ 正解があってその正解に近づけるように画像を生成する
26
+
27
+ 正解と生成されたものを見分けられるように識別器を学習させる
28
+
29
+ と2つのネットワークが学習し合い精度の高い画像を生成すると勉強しましたが、
23
30
 
24
31
 
25
32
 
33
+ 本DC-GANのモデルでは、
26
34
 
27
- Discriminator Network（D）で行っていること
35
+ 正解画像を用いずに、下記の手順に沿って画像を生成すると表記されています。
28
-
29
- Gにて任意の文章で作成された画像
30
-
31
- と
32
-
33
- 説明文が一致した正解の画像で
34
-
35
- 一致するかどうかをみている
36
36
 
37
37
 
38
38
 
39
+ ＜画像生成（G）＞
40
+
41
+ テキストをRNNなどを使用してエンコードする
42
+
43
+ ↓
44
+
45
+ コンコードされたデータに対して
46
+
39
- 本物か偽物かの判断をしている
47
+ Leaky－reluを使用して低圧縮する
48
+
49
+ ↓
50
+
51
+ 別入力であるノイズZと結合させてGANげ入力する
52
+
53
+ ↓
54
+
55
+ 画像を生成する
40
56
 
41
57
 
42
58
 
43
- 本物の画像　と　本物の文章　本物と判断
59
+ ＜認識判断（D）＞
44
60
 
45
- 本物の画像　と　間違えた文章　偽物と判断
61
+ 生成された画像を入力として受け取る
46
62
 
47
- 偽物の画像　と　間違えた文章　偽物のと判断
63
+ ↓
48
64
 
49
- 偽物の画像　と　本物の文章　偽物と判断
65
+ 4×4の大きさになるまで畳み込み層とスライド層（stride:2）で計算を行う
50
66
 
67
+ ↓
68
+
69
+ エンコードされたテキストφ(t)を画像と結合して、線形結合層を使用し圧縮を行う
70
+
71
+ ↓
72
+
73
+ Dで出力する画像の特徴量である4×4で複製を行う
74
+
75
+ ↓
76
+
77
+ 1×1畳み込みを使用して特徴量を圧縮
78
+
79
+ ↓
80
+
51
- 上記の項目に従って学習している
81
+ 4×4畳み込み層を使用して確立を出力
52
82
 
53
83
 
54
84
 
55
- 図で記載すると下記のような理解なのですが、
85
+ と説明がありました。
56
-
57
- ![イメージ説明](116f0259651f04892e14356fe02672ae.png)
58
86
 
59
87
 
60
88
 
89
+ DC-GANでは正解データを使うという概念がそもそもないのか知りたいです。
90
+
91
+ それとDC－GANの重みの更新がどのように行われているのか知りたいです。
61
92
 
62
93
 
94
+
63
- この様な理解でよろしいでしょうか。
95
+ よろしくお願い致します。

5

画像を修正しました

2021/02/08 09:44

投稿

watchdogs
watchdogs

スコア54

test CHANGED
File without changes
test CHANGED
@@ -54,7 +54,7 @@
54
54
 
55
55
  図で記載すると下記のような理解なのですが、
56
56
 
57
- ![イメージ説明](10c724772a2a21b2aaea571b882cb3c1.png)
57
+ ![イメージ説明](116f0259651f04892e14356fe02672ae.png)
58
58
 
59
59
 
60
60
 

4

質問を修正しました。

2021/02/08 02:20

投稿

watchdogs
watchdogs

スコア54

test CHANGED
@@ -1 +1 @@
1
- GAN-CLS Textをimageにするメカニズムについて質問させてください。
1
+ GAN-CLSについて理解が正しいか教えて下さい。
test CHANGED
@@ -12,19 +12,15 @@
12
12
 
13
13
  Generator Network（G）で行っていること
14
14
 
15
- 任意の文章と画像に一致した文章がRNNエンコーダでエンコーディングされたものがφである
15
+ 任意の文章と画像に一致した文章がRNNエンコーダでエンコーディングされる
16
16
 
17
+ そこから画像に一致した文章がエンコーディングされたφと
18
+
17
- φに画像生成用の乱数のノイズ（z~N(0,1)）を加えてφ（t）としてGに入力され画像を生成させる。
19
+ 画像生成用の乱数のノイズ（z~N(0,1)）を加えてφ（t）としてGに入力され画像を生成させる。
18
20
 
19
21
 
20
22
 
21
23
 
22
-
23
-
24
-
25
- ![イメージ説明](c3e3ecd18878b9ceb67a433e301351f3.png)
26
-
27
- 画像は左側がオリジナルの説明で矢印の先が私の簡易的な理解の図です。
28
24
 
29
25
 
30
26
 
@@ -36,7 +32,9 @@
36
32
 
37
33
  説明文が一致した正解の画像で
38
34
 
39
- 一致するかどうかをみており
35
+ 一致するかどうかをみている
36
+
37
+
40
38
 
41
39
  本物か偽物かの判断をしている
42
40
 
@@ -54,4 +52,12 @@
54
52
 
55
53
 
56
54
 
55
+ 図で記載すると下記のような理解なのですが、
56
+
57
+ ![イメージ説明](10c724772a2a21b2aaea571b882cb3c1.png)
58
+
59
+
60
+
61
+
62
+
57
63
  この様な理解でよろしいでしょうか。

3

質問の内容が間違えていたのを修正した。

2021/02/08 02:09

投稿

watchdogs
watchdogs

スコア54

test CHANGED
@@ -1 +1 @@
1
- DC-GAN Textをimageにするメカニズムについて質問させてください。
1
+ GAN-CLS Textをimageにするメカニズムについて質問させてください。
test CHANGED
@@ -1,4 +1,4 @@
1
- DCGANについて勉強しています。
1
+ GAN-CLSについて勉強しています。
2
2
 
3
3
  下記の理解で正しいか教えていただけると大変助かります。
4
4
 
@@ -12,13 +12,13 @@
12
12
 
13
13
  Generator Network（G）で行っていること
14
14
 
15
- 入力された説明文をエンコーディングしたφに
15
+ 任意の文章と画像に一致した文章がRNNエンコーダでエンコーディングされたものがφである
16
16
 
17
- ノイズ（潜在変数）を加えてφ（t）として入力する
17
+ φに画像生成用の乱数のノイズ（z~N(0,1)）を加えてφ（t）としてGに入力され画像を生成させる。
18
18
 
19
- GANでは通常ノイズ（潜在変数）から画像を生成するが、
20
19
 
21
- テキストから画像を生成する本論文では文章をエンコーディングしたφ(t)と画像生成用ノイズであるz~N(0,1)をGeneratorへINPUTして画像を生成させる
20
+
21
+
22
22
 
23
23
 
24
24
 
@@ -54,12 +54,4 @@
54
54
 
55
55
 
56
56
 
57
-
58
-
59
- ![イメージ説明](bb3b05f4e5e8933c6a21a98af20ad52a.png)
60
-
61
- 画像は左側がオリジナルの説明で矢印の先が私の簡易的な理解の図です。
62
-
63
-
64
-
65
57
  この様な理解でよろしいでしょうか。

2

質問文修正

2021/02/08 01:47

投稿

watchdogs
watchdogs

スコア54

test CHANGED
File without changes
test CHANGED
@@ -24,7 +24,7 @@
24
24
 
25
25
  ![イメージ説明](c3e3ecd18878b9ceb67a433e301351f3.png)
26
26
 
27
- 画像は右がオリジナルの説明で矢印の先が私の簡易的な理解の図です。
27
+ 画像は左側がオリジナルの説明で矢印の先が私の簡易的な理解の図です。
28
28
 
29
29
 
30
30
 
@@ -58,7 +58,7 @@
58
58
 
59
59
  ![イメージ説明](bb3b05f4e5e8933c6a21a98af20ad52a.png)
60
60
 
61
- 画像は右がオリジナルの説明で矢印の先が私の簡易的な理解の図です。
61
+ 画像は左側がオリジナルの説明で矢印の先が私の簡易的な理解の図です。
62
62
 
63
63
 
64
64
 

1

質問の内容を修正しました。

2021/02/07 12:20

投稿

watchdogs
watchdogs

スコア54

test CHANGED
File without changes
test CHANGED
@@ -30,13 +30,33 @@
30
30
 
31
31
  Discriminator Network（D）で行っていること
32
32
 
33
- 先ほどGで作成された画像と本物の画像、説明文がエンコーディングされたものが入力され
33
+ Gにて任意の文章で作成された画像
34
+
35
+ と
36
+
37
+ 説明文が一致した正解の画像で
38
+
39
+ 一致するかどうかをみており
34
40
 
35
41
  本物か偽物かの判断をしている
36
42
 
37
43
 
38
44
 
45
+ 本物の画像　と　本物の文章　本物と判断
46
+
47
+ 本物の画像　と　間違えた文章　偽物と判断
48
+
49
+ 偽物の画像　と　間違えた文章　偽物のと判断
50
+
51
+ 偽物の画像　と　本物の文章　偽物と判断
52
+
53
+ 上記の項目に従って学習している
54
+
55
+
56
+
57
+
58
+
39
- ![イメージ説明](c4bd7e996911606a1da136d1e1e5f6cf.png)
59
+ ![イメージ説明](bb3b05f4e5e8933c6a21a98af20ad52a.png)
40
60
 
41
61
  画像は右がオリジナルの説明で矢印の先が私の簡易的な理解の図です。
42
62