コンピュータによる創造性の評価を提案！GANによる創造的なファッションデザインの生成

3つの要点
✔️ ノイズベクトルからファッションアイテムを生成する新たなGANアーキテクチャの作成
✔️ Sharma-Mittal距離によってクリエイティビティを促進し新規の損失関数を作成
✔️ Automatic evaluation metricsを用いたデザインの評価の提案と人間による評価との関連性を説明

DeSIGN: Design Inspiration from Generative Networks
written by Othman Sbai, Mohamed Elhoseiny, Antoine Bordes, Yann LeCun, Camille Couprie
(Submitted on 3 Apr 2018 (v1), last revised 14 Sep 2018 (this version, v2)])
Comments: Published by arXiv
Subjects: Machine Learning (cs.LG); Machine Learning (stat.ML)

本論文の実装はこちら（Pytorch）にあります。

従来のGenerative Adversarial Network(GAN)を用いた研究では、絵画の模倣や、新しい音楽の生成などを行っていました。しかし訓練データに生成データを近づけていくため、どうしても内容が似通ってしまい、独自性のある出力を得ることが困難でした。

既にElgammalらによって、絵を描く際の方式に着目して創造的な絵画を生成したCreative Adversarial Networks(CAN)というモデルが提案されているのですが、創造性と、現実的な表現や一般的な表現との関連性についてあまり触れずに評価されてしまっていました。

CANによって生成された絵画画像

そこでこの研究では、アート分野に着目して創造性に関する損失関数を考え、評価を数式的に行うことで、創造的な洋服のデザインを生成をすることを目的としています。

人間の創造性や独自性をコンピュータで評価するという今後のアート分野の研究に大きな貢献をした論文になっています。

※この記事では数式の細かい部分までは説明しませんが大体のニュアンスは捉えられると思います。

この記事に関するカテゴリー

• GAN（敵対的生成ネットワーク）