Our paper for ICLR2019 Workshop (Limited Label Data), ECML PKDD were accepted.

Our paper for ICLR2019 Workshop (Limited Label Data), ECML PKDD were accepted. 【Information】 Kei Akuzawa, Yusuke Iwasawa, Yutaka Matsuo: “Adversarial Invariant Feature Learning with Accuracy Constraint for Domain Generalization”, in Proc. of European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases, 2019. 【Overview】 Learning domain-invariant representation is a dominant approach…

当研究室の論文が人工知能学会 2019年度全国大会の学生奨励賞に選ばれました。

Sorry, this entry is only available in Japanese. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language.

当研究室修士1年の谷口尚平くんの発表が、2019年度人工知能学会 全国大会学生奨励賞に選ばれました。

 

【タイトル】メタ学習としてのGenerative Query Network

【概要】
Generative Query Network(GQN)は未知の視点からの観測画像のレンダリングを可能にする革新的な深層生成モデルであり,新たな3次元モデリング手法として注目を集めた.しかし,GQNには,莫大な学習コストがかかる点,ハイパーパラメータに敏感で学習が安定しない点などの課題があることがわかっている.また,確率モデルとしての検証が不十分であるために,モデルアーキテクチャの解釈性が低く,発展研究の妨げとなっている.本研究では,これらの課題を解決するため,GQN の確率モデルをメタ学習のフレームワークを用いて定式化し,それに基づいて,学習のコストと不安定性を改善する手法の提案を行う.評価実験ではShepard Metzlerデータセットを用いてその有効性を検証した.
【著者】谷口尚平,岩澤有祐,松尾豊
【論文リンク】https://www.jstage.jst.go.jp/article/pjsai/JSAI2019/0/JSAI2019_2Q5J203/_article/-char/ja

当研究室の論文が情報処理学会で特選論文賞を受賞しました。

Sorry, this entry is only available in Japanese. For the sake of viewer convenience, the content is shown below in the alternative language. You may click the link to switch the active language..

鈴木雅大君が情報処理学会で特選論文賞を受賞しました。

【書誌情報】

鈴木雅大, 松尾豊: 異なるモダリティ間の双方向生成のための深層生成モデル, 情報処理学会論文誌, Vol. 59, No. 3 (2018)

【概要】

本研究では,画像情報とタグ情報といった,異なる種類の情報(モダリティ)の間を双方向に生成するための深層生成モデルを提案しました.従来の双方向生成の手法では,タグ情報から画像情報のような,次元の小さい情報から大きい情報の生成がうまくできないという課題がありましたが,本研究で提案した改良手法によって,この問題が解決し,適切な双方向生成が実現できることを示しました.