エントリーの編集は全ユーザーに共通の機能です。
必ずガイドラインを一読の上ご利用ください。
ここにツイート内容が記載されます https://b.hatena.ne.jp/URLはspanで囲んでください
Twitterで共有ONにすると、次回以降このダイアログを飛ばしてTwitterに遷移します
注目コメント算出アルゴリズムの一部にLINEヤフー株式会社の「建設的コメント順位付けモデルAPI」を使用しています
はじめに ニューラルネットで画像を出力する際、通常は解像度ごとに専用のモデルを用意して学習を行うこ... はじめに ニューラルネットで画像を出力する際、通常は解像度ごとに専用のモデルを用意して学習を行うことになります。 今回は解像度に依存しない形で、画像上の任意の点からサンプリングを行うモデルについて考えてみます。 画像上の点$ (u, v) $の値を$ P_{u, v} $とすると、 $$ P_{u, v} = f(u, v, z_1, ..., z_n) $$ となる関数$ f $をニューラルネットで表現したいわけです。ここで、$ \lbrace z_1, ..., z_n \rbrace $は画像を表す潜在表現です。 今回はこの潜在表現をVAEのエンコーダ部を用いて得ることにして、デコーダ部となる関数$ f $を4層の全結合ニューラルネットで表現してみました。 Chainerによる実装(github) 実装 全体の構成は通常のVAEと同じです。 違いはデコーダ部で、こうなっています。 c