論文紹介(SIGGRAPH Asia 2017): 強化学習でドラゴンを飛ばす / 機械学習で画像編集を強化

コンピュータグラフィックスの学会SIGGRAPH Asia 2017に参加し、個人的に面白かった論文の共有です。紹介させて頂いたのは以下の研究です。

* 強化学習で任意形状の生命に飛行モーションを付ける研究
* ディープラーニングでHDR画像を作る研究
* 合成後の画像からレイヤー分けを自動で行う研究
* Youtuber風サムネイルを自動でつくる研究
* 法線マップを画像から推定する研究

Transcript

1. 4*((3"1)
   "TJB
   ࢀՃใࠂձ ࿦จ঺հ
   ڧԽֶशͰυϥΰϯΛඈ͹͢
   ػցֶशͰը૾ฤूΛڧԽ େ֞ܚհ 
2. ػցֶशͰը૾ฤूΛڧԽ
3. %FFQ
   3FWFSTF
   5POF
   .BQQJOH  ໰୊ઃఆ
   w Ұຕը૾͔Β)%3ը૾Λੜ੒͢Δ
   ΩʔΞΠσΞ
   w $//Ͱ௚઀)%3Λ࡞ΔͷͰ͸ͳ͘ɺ $//Ͱ͸͍Ζ͍Ζͳ࿐ޫͷը૾Λ ੜ੒͢Δ͜ͱΛ໨ඪʹ͢Δ
   w ͭ·Γɺ
 SHC
   
   SHCS`H`C`S``H``C``
   w ෳ਺ը૾͔Βͷ)%3ੜ੒͸طଘͷ ݚڀʹ৐ΕΔ
   ײ૝
   w )%3ʹಛԽͨ͠ςΫχοΫͰͱͯ ΋࿩͕៉ྷ
   w ֤࿐ޫຖͷը૾ͬͯͷ͸ඍົʹ͔͠ ҧΘͳ͍ͷͰɼνϟϯωϧΛ૿΍͠ ͍ͯ͘ɼ͔͠΋%
   $POWΛ࢖͏ͷ ͸ͱͯ΋ཧʹ͔ͳ͍ͬͯΔɽ
   :VLJ
   &OEP
   :PTIJIJSP
   ,BOBNPSJ
   +VO
   .JUBOJ
   
4. 1IPUP$MJQ"SU
   *NBHF
   "CTUSBDUJPO
   BOE
   7FDUPSJ[BUJPO
   6TJOH
   -BZFSFE
   -JOFBS
   (SBEJFOUT  ໰୊ઃఆ
   w Ұຕը૾͔ΒϨΠϠʹ෼ׂ͢Δ
   ΩʔΞΠσΞ
   w ҎԼͷτϨʔυΦϑͰϨΠϠʔ෼ׂ
   w ࠶߹੒ͨ͠Βݩͷը૾ͷ৭Λ෮ݩ
   w ෆಁ໌ϨΠϠʔΛݮΒ͢
   w ηάϝϯτຖʹϨΠϠʔͰ͖ͯऴΘΓ ͔ͩΒ͆
   w ໦ߏ଄Ͱ୳ࡧ͢Δ
   w ෳ਺ͷηάϝϯτ͕ಉ͡൒ಁ໌ϨΠϠʔ Λڞ༗͢Δ͔ɺͦΕͧΕผͷϨΠϠʔ͕ ׂΓ౰ͯΒΕΔ͔Λ୳ࡧ͍ͯ͘͠ײ͡
   ײ૝
   w ηάϝϯςʔγϣϯ͸ͨ͘͞Μݚڀ͕͋Δ͚ ΕͲɺͦͷઌͷɺϨΠϠʔ෼͚ʹϑΥʔΧε ͨ͠ݚڀͱ͍͏ண૝͕໘ന͍
   w 'JEFMJUZ
   WT
   4JNQMJDJUZͱ͍͏ࡢ೥ͷ 4*((3"1)
   "TJBͰൃද͞Εͨ࿦จΛ࢖ͬͯ Δ +FBO%PNJOJRVF
   'BWSFBV
   'MPSFOU
   -BGBSHF
   "ESJFO
   #PVTTFBV
5. ϙελʔ  4LFUDI/PSNBM
   %FFQ
   /FUXPSLT
   GPS
   /PSNBM
   .BQ
   (FOFSBUJPO
   "VUPNBUJD
   (FOFSBUJPO
   PG
   7JTVBM5FYUVBM
   8FC
   7JEFP
   5IVNCOBJM
   ໰୊ઃఆ
   w ಈը͔ΒϢʔνϡʔόʔ෩αϜωΛ࡞Δ
   ΩʔΞΠσΞ
   w ը૾ཁ໿
   
   จॻཁ໿
   
   ࢹ֮తݦஶੑ
   w ͨͩ͠ը૾ͱจॻʹ͍ͭͯ͸طଘख๏ʹ ৐Δ
   
   w ࢹ֮తݦஶੑ ໨ͷߦ͖΍͢͞ ͷ௿͍ͱ͜Ζ ʹ߹੒͍ͯ͘͠
   ײ૝
   w ݦஶੑ͕ޮՌతʹ࢖ΘΕͯͯ޷͖ ໰୊ઃఆ
   w εέονը૾͔Β๏ઢϚοϓΛ࡞Δ
   w ͭ·ΓϥΠςΟϯά΋Ͱ͖Δ͸ͣ
   ΩʔΞΠσΞ
   w ֶशσʔλͱͯ͠%Ϟσϧ͕͋Ε͹ɼ 4VHHFTUJWF
   DPOUPVSΛ༻͍ͯΨϯΨϯε έον෩ը૾Λੜ੒͢Δ͜ͱ͕Ͱ͖Δ
   w ϢʔβʔͷิॿೖྗʹΑΔमਖ਼΋Մೳ
   w ֶश࣌ʹิॿೖྗ΋ϥϯμϜʹೖΕͯΔ 8BODIBP
   4V
   9JO
   :BOH
   )POHCP
   'V
   #BPRVBO
   ;IBP
   4IVKJO
   -JO
   9JO
   2J
   ;IJRVBO
   ;IBOH
   9JBPOBO
   -VP
   3VPNFJ
   8BOH
6.  ڧԽֶशͰυϥΰϯΛඈ͹͢
7. )PX
   UP
   USBJO
   ZPVS
   ESBHPO  ໰୊ઃఆ
   w γϛϡϨʔλ಺Ͱ೚ҙͷܗঢ়ͷੜ͖෺ Λඈ ͹͢
   w ো֐෺͋Γ
   ΩʔΞΠσΞ
   w Ξχϝʔλʔ͕࡞ͬͨΩʔϑϨʔϜΛ࢖ͬͯɼ ॳظϞʔγϣϯΛઃఆ͢Δ
   w ԿͷΨΠυ΋ͳ͘ػցֶशͰϞʔγϣϯ Λੜ੒͢Δͱɺੜ໋ͱͯ͋͠Γಘͳ͍ಈ ͖ʹͳΔͱ͍͏໰୊ઃఆ
   ײ૝
   w Սۭͷੜ෺
   
   ΨΠυϞʔγϣϯɼͱ͍͏ɼͱ ͯ΋࣮ફతͳ໰୊ઃఆ͕Α͍
   w γϟϨΦπλΠτϧ
 )PX
   UP
   USBJO
   ZPVS
   ESBHPO
 ๜୊
   ώοΫͱυϥΰϯ
   w ਖ਼௚ݕࡧ͠ʹ͍͘X +VOHEBN
   8PO
   +POHIP
   1BSL
   ,XBOZV
   ,JN
   +FIFF
   -FF
8. υϥΰϯʁ  w ࣗ༝౓͸͍͍ͩͨ߹ܭd
   w γϛϡϨʔγϣϯͷपظ͕ඵɻ͔ͳΓਫ਼ີʂ
   w ͦͷ͍ͤ΋͔͋ͬͯͳΓॏ͍Β͍͠ɻ//Λ(16ʹ৐ͤͯ΋શવҙຯͳ͍ͬͯॻ͍ͯ͋Δɻ
   
9. Ξχϝʔγϣϯͱֶशͷڠۀ? • എܠ: Data-driven VS optimization ◦ Data-driven ▪ ϞʔΩϟϓͱ͔ͰूΊͨσʔλΛݩʹಈ͖Λੜ੒ ◦ Optimization ◦ ମͷܗ͚͔ͩΒಈ͖Λ࡞Δ • Ϣʔβʔ͸ΩʔΞχϝʔγϣϯΛೖྗͰ͖Δ→ ◦ ͦͷΞχϝʔγϣϯΛͲ͏΍ͬͯ࢖ͬͯඈͿ͔͸ֶशϕʔε • ΞϧΰϦζϜ ◦ Qֶश ▪ DPΈ͍ͨͳ΋ΜͩΑͬͯઆ໌ͯͨ͠ɻΘ͔Γ΍͍͔͢΋ɻ ▪ ࣮ࡍʹ͸DQNͰɺͲ͏΍ͬͯΩʔΞχϝʔγϣϯΛ૊Έࠐ Ή͔ͬͯͱ͜Ζ͕͜ͷݚڀͷϙΠϯτ
10. ڧԽֶशͷ໰୊ઃఆ  4UBUF ೖྗ 
    ࣮਺ϕΫτϧ
    w ؔઅͷݱࡏ֯౓ͱ଎౓
    w ໨ඪ஍఺ͷ࠲ඪ
    w ো֐෺ͷ৘ใ
    w ͨͩ͜͠Ε͸ը૾͔Β$//Ͱ֫ಘ͍ͯ͠Δ͜ͱʹ஫ҙ %FFQ -FBSOJOH
    "DUJPO ग़ྗ 
    ࣮਺ϕΫτϧ ؔઅࣗ༝౓࣍ݩ
    w ໨ඪ࢟੎
    w ͦͷ͋ͱ1%੍ޚͰ࣮ࡍͷಈ͖ʹ͢Δ
    3FXBSE ใु
    w 5BSHFU
    ໨ඪ஍఺ͱͷڑ཭
    w $PMMJTJPO
    ো֐෺ʹͿ͔͔ͭͬͨ
    w &⒎PSU
    ඈͿͷʹ࢖ͬͨ࿑ྗ τϧΫ
    w #BMBODF
    ඈߦதʹͿΕͳ͍͔
    w 3FHVMBSJ[BUJPO
    
11. खಈ
    
    ڧԽֶश
    
    ਐԽܭࢉ  ֶशख๏ͷ৽نੑ͸ҎԼ఺
    *OJUJBM
    1PMJDZΛ2ֶशͱผͷํ๏Ͱ࡞Δ
    w ڧԽֶशͰ͸ͳ͍ख๏ͰॳظԽʂ
    w ো֐෺ͳ͠
    
    ΩʔϑϨʔϜΛ௨ΔΑ͏ͳඈͼํΛɺ·ͣ$."&4Ͱ࡞ͬͯɺzܦݧzʹೖ w ͜ͷzܦݧzΛڧԽֶशͰ࠶ར༻͞ΕΔ
    
    ୳ࡧ΋ϥϯμϜͰ͸ͳ͘ਐԽܭࢉʹ͢Δ
    (" ڧԽֶश
    "
    ࠷΋͍͍΍ͭΛ࢖͏
    #
    ࠓ·Ͱࢼͨ͜͠ͱͷͳ͍΍ͭΛ࢖͏
    $
    ௚ۙࢼͨ͠΋ͷͷۙ͘Ͱɺ·ͩࢼͨ͜͠ͱͷͳ͍΍ͭΛ࢖͏
    ("