特許ウォッチ

公開番号2025011943
公報種別公開特許公報(A)
公開日2025-01-24
出願番号2023114406
出願日2023-07-12
発明の名称画像生成方法、画像生成装置およびプログラム
出願人日本電信電話株式会社,国立大学法人九州大学
代理人弁理士法人志賀国際特許事務所
主分類G06T 1/40 20060101AFI20250117BHJP(計算;計数)
要約【課題】画像についても敵対的攻撃に対して頑健さを確保可能とすることができる技術の提供を目的としている。
【解決手段】画像生成方法は、学習用画像を用いて、学習用画像と同等の品質の画像を生成するように画像生成モデルのパラメータを学習する識別学習処理を行い、識別学習処理後、敵対的攻撃に対して頑健な画像を生成するように画像生成モデルのパラメータを学習する分類学習を行い、学習済の前記画像生成モデルを用いて画像を生成する。
【選択図】図3
特許請求の範囲【請求項１】
学習用画像を用いて、前記学習用画像と同等の品質の画像を生成するように画像生成モデルのパラメータを学習する識別学習処理を行い、
前記識別学習処理後、敵対的攻撃に対して頑健な画像を生成するように前記画像生成モデルのパラメータを学習する分類学習を行い、
学習済の前記画像生成モデルを用いて画像を生成する、
画像生成方法。
続きを表示（約 1,500 文字）【請求項２】
画像生成モデルである生成器が、入力された学習用画像を用いて、画像を生成し、
識別器が、生成された生成画像に対して、入力された画像が前記生成器で生成された画像であるか否かを判定する画像識別処理を行い、
識別損失計算部が、画像識別処理結果に基づいて、識別損失の計算と生成損失の計算を行い、
生成器係数更新部が、前記生成損失に基づいて、前記生成器のパラメータである生成器係数更新処理を行い、
識別器係数更新部が、前記識別損失に基づいて、識別器係数更新処理を行う、
請求項１に記載の画像生成方法。
【請求項３】
生成器が、入力された学習データを用いて、画像を生成し、
分類器が、生成された生成画像を分類し、
分類損失計算部が、前記分類された分類結果に基づいて、分類損失を計算し、
生成器係数更新部が、前記分類損失に基づいて、前記生成器のパラメータである生成器係数更新処理を行う、
請求項１に記載の画像生成方法。
【請求項４】
画像生成モデルである生成器が、入力された学習データを用いて画像を生成し、生成した生成画像に入力された生成用ラベルを付与し、
識別器が、生成された前記生成画像と前記生成用ラベルに対して、入力された画像が前記生成器で生成された画像であるか否かを判定する画像識別処理を行い、
識別損失計算部が、画像識別処理結果に基づいて、識別損失の計算と生成損失の計算を行い、
生成器係数更新部が、前記生成損失に基づいて、前記生成器のパラメータである生成器係数更新処理を行い、
識別器係数更新部が、前記識別損失に基づいて、識別器係数更新処理を行う、
請求項１に記載の画像生成方法。
【請求項５】
前記画像識別処理結果は、
学習用画像であれば真、生成画像であれば偽、
あるいは、前記真または前記偽である確信度を数値である、
請求項２に記載の画像生成方法。
【請求項６】
前記識別損失計算部が計算した結果は、
前記識別器への入力が、前記生成画像かつ識別結果が偽の場合に、前記識別損失が小かつ前記生成損失が大であり、
前記識別器への入力が、学習用画像かつ識別結果が真の場合に、前記識別損失が小かつ前記生成損失が大であり、
前記識別器への入力が、前記生成画像かつ識別結果が偽ではなく、または前記学習用画像かつ識別結果が真ではない場合に、前記識別損失が大かつ前記生成損失が小である、
請求項２に記載の画像生成方法。
【請求項７】
生成器入力情報を入力して、画像を生成する処理を行う生成器と、
入力された画像が、前記生成器で生成された画像か否かを判定する処理を行う識別器と、
前記識別器が識別した結果に基づいて、識別損失と生成損失を計算する識別損失計算部と、
計算された前記識別損失または前記生成損失に基づいて、生成器係数を更新する生成器係数更新部と、
計算された学習用識別損失に基づいて、識別器係数を更新する識別器係数分類部と、
入力された画像を分類する分類器と、
前記分類器が分類した結果に基づいて、分類損失を計算する分類損失計算部と、
前記生成器が生成した生成画像を出力する出力部と、
を備える画像生成装置。
【請求項８】
コンピューターを、
請求項７に記載の画像生成装置として機能させるためのプログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、画像生成方法、画像生成装置およびプログラムの技術に関する。
続きを表示（約 1,600 文字）【背景技術】
【０００２】
精緻に構成された微小な摂動を画像に追加することで、機械学習モデルが誤った出力をすることが知られている。敵対的攻撃は、このような機械学習モデルがある入力に対して誤った出力をするように、入力に加工をする手法の総称である。例えば、「パンダ」の画像に的確に設計されたノイズを加えることで、人間の目で差異がわからなくても、機械学習モデルは「テナガザル」であると誤識別してしまう。
【０００３】
敵対的攻撃に対する頑健性向上技術としては、学習データ内のサンプルに対して敵対的攻撃を加えることで大量に生成した敵対的サンプルを学習データに追加して学習を行う敵対的学習（例えば非技術文献１参照）や、攻撃を受けていない通常サンプルに対する分類精度向上のバランスを取る手法（例えば非技術文献２参照）がある。
【先行技術文献】
【非特許文献】
【０００４】
Alexey Kurakin, Ian Goodfellow, et al., "Adversarial machine learning at scale", Proc. International Conference on Machine Learning (ICML), 2017
Hongyang Zhang, Yaodong Yu, et al., "Theoretically principled trade-off between robustness and accuracy", Proc. International Conference on Machine Learning (ICML), 2019
【発明の概要】
【発明が解決しようとする課題】
【０００５】
しかしながら、従来技術では、これらの防御が、モデルを敵対的攻撃に対して頑健にする対策であり、画像そのものについて攻撃に対する防御が一切なされていないという問題がある。
【０００６】
上記事情に鑑み、本発明は、画像についても敵対的攻撃に対して頑健さを確保可能とすることができる技術の提供を目的としている。
【課題を解決するための手段】
【０００７】
本発明の一態様は、学習用画像を用いて、前記学習用画像と同等の品質の画像を生成するように画像生成モデルのパラメータを学習する識別学習処理を行い、前記識別学習処理後、敵対的攻撃に対して頑健な画像を生成するように前記画像生成モデルのパラメータを学習する分類学習を行い、学習済の前記画像生成モデルを用いて画像を生成する、画像生成方法である。
【０００８】
本発明の一態様は、生成器入力情報を入力して、画像を生成する処理を行う生成器と、入力された画像が、前記生成器で生成された画像か否かを判定する処理を行う識別器と、前記識別器が識別した結果に基づいて、識別損失と生成損失を計算する識別損失計算部と、計算された前記識別損失または前記生成損失に基づいて、生成器係数を更新する生成器係数更新部と、計算された学習用識別損失に基づいて、識別器係数を更新する識別器係数分類部と、入力された画像を分類する分類器と、前記分類器が分類した結果に基づいて、分類損失を計算する分類損失計算部と、前記生成器が生成した生成画像を出力する出力部と、を備える画像生成装置である。
【０００９】
本発明の一態様は、コンピューターを、上述の画像生成装置として機能させるためのプログラムである。
【発明の効果】
【００１０】
本発明により、画像についても敵対的攻撃に対して頑健さを確保可能とすることができる。
【図面の簡単な説明】
（【００１１】以降は省略されています）

関連特許