ある観光会社が、手持ちの昼間の街並み写真を、構図を保ったまま夜景風の写真に変換したい。昼の写真と夜の写真はそれぞれ大量にあるが、同じ場所・同じ構図で撮った昼と夜のペア画像はほとんどない。この目的に用いる手法として、最も適切なものを1つ選べ。
正解と解説を見る
解説
正解 C
この問題の論点：対応のない画像間の変換
ポイント
ペア画像がそろわない画像変換には、変換して戻すと元に戻るという制約で学習するCycleGANが使えます。
選択肢ごとの解説
- A
不適切
Pix2Pixは条件付きGANによる画像変換の手法ですが、学習には入力画像と正解画像のペアが必要です。線画と写真のようにペアをそろえられる場面に向き、同じ構図の昼夜のペアがほとんどないこの場面には適しません。
- B
不適切
DCGANは、GANの生成器と識別器に畳み込みニューラルネットワークを取り入れ、画像生成の学習を安定させた手法です。ノイズから新しい画像を作るもので、手持ちの写真を別の見た目に変換する用途には向きません。
- C
適切 正解
CycleGANは、昼→夜と夜→昼の2つの生成器を同時に学習し、変換して戻した画像が入力と一致するよう循環一貫性損失をかけます。この制約により、ペアのない2つの画像の集合からでも、元の構図を保った変換を学べます。
- D
不適切
NeRFは、複数視点の画像から、シーンの各点の色と密度をニューラルネットワークで表し、撮影していない視点からの画像を合成する手法です。昼を夜に変えるような見た目の変換を学ぶ手法ではありません。
試験での狙われ方
Pix2PixとCycleGANの違いを、学習にペア画像が必要かどうかで見分けさせる形が典型です。
参考
- G検定 試験出題範囲（シラバス2024）第1.4版 （技術分野 項目30 データ生成）
- Zhu et al., Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks (2017)
- Isola et al., Image-to-Image Translation with Conditional Adversarial Networks (2016)
- Radford, Metz, Chintala, Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks (2015)
- Mildenhall et al., NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis (2020)