特許ウォッチ

公開番号2025102216
公報種別公開特許公報(A)
公開日2025-07-08
出願番号2023219539
出願日2023-12-26
発明の名称超解像度学習方法、超解像度学習装置、及び、超解像度学習プログラム
出願人日産自動車株式会社
代理人個人,個人,個人
主分類G06T 3/4053 20240101AFI20250701BHJP(計算;計数)
要約【課題】三次元の物理場を高解像度化する場合であっても、高解像度化を行う学習モデルを作成する時間の増加を抑制することができる、超解像度学習方法、超解像度学習装置、及び、超解像度学習プログラムを提供する。
【解決手段】超解像度学習方法、超解像度学習装置、及び、超解像度学習プログラムによれば、物理場を表現する第1データと、第1データよりも高い空間解像度で物理場を表現する第2データと、を含む教師データを処理する。第1データを学習モデルに入力した際に、学習モデルから出力される出力データを算出し、物理場の各点で、出力データと第2データに基づいて損失を算出し、物理場の各点で、注目する物体からの距離に基づいて係数を設定する。損失に係数を乗算した結果を、物理場の全体で合計して合計損失を算出し、合計損失に基づいて学習モデルの訓練を実行する。距離が第1距離である場合に設定される係数と比較して、距離が第1距離よりも大きな第2距離である場合に設定される係数が小さい。
【選択図】図1
特許請求の範囲【請求項１】
物理場を表現する第１データと、
前記第１データよりも高い空間解像度で前記物理場を表現する第２データと、
を含む教師データが入力されるコントローラを制御する超解像度学習方法であって、
前記コントローラは、
前記第１データを学習モデルに入力した際に、前記学習モデルから出力される出力データを算出し、
前記物理場の各点で、前記出力データと前記第２データに基づいて損失を算出し、
前記物理場の各点で、注目する物体からの距離に基づいて係数を設定し、
前記損失に前記係数を乗算した結果を、前記物理場の全体で合計して合計損失を算出し、
前記合計損失に基づいて前記学習モデルの訓練を実行し、
前記距離が第１距離である場合に設定される前記係数と比較して、前記距離が前記第１距離よりも大きな第２距離である場合に設定される前記係数が小さい、
超解像度学習方法。
続きを表示（約 1,300 文字）【請求項２】
前記距離が大きい場合に設定される前記係数よりも、前記距離が小さい場合に設定される前記係数が小さい、請求項１に記載の超解像度学習方法。
【請求項３】
前記コントローラは、前記距離が第１所定距離以下である場合に、前記係数を第１所定値に設定する、請求項１に記載の超解像度学習方法。
【請求項４】
前記コントローラは、前記距離が第２所定距離以上である場合に、前記係数を第２所定値に設定する、請求項１に記載の超解像度学習方法。
【請求項５】
前記コントローラは、流体が通過しない領域における前記係数を０に設定する、請求項１に記載の超解像度学習方法。
【請求項６】
前記コントローラは、前記物体の表面からの距離に基づいて前記係数を設定する、請求項１に記載の超解像度学習方法。
【請求項７】
前記物理場は、流体の密度場、速度場、圧力場、密度場、温度場の少なくともいずれかを含む、請求項１～６のいずれか一項に記載の超解像度学習方法。
【請求項８】
物理場を表現する第１データと、
前記第１データよりも高い空間解像度で前記物理場を表現する第２データと、
を含む教師データが入力されるコントローラを備える超解像度学習装置であって、
前記コントローラは、
前記第１データを学習モデルに入力した際に、前記学習モデルから出力される出力データを算出し、
前記物理場の各点で、前記出力データと前記第２データに基づいて損失を算出し、
前記物理場の各点で、注目する物体からの距離に基づいて係数を設定し、
前記損失に前記係数を乗算した結果を、前記物理場の全体で合計して合計損失を算出し、
前記合計損失に基づいて前記学習モデルの訓練を実行し、
前記距離が第１距離である場合に設定される前記係数と比較して、前記距離が前記第１距離よりも大きな第２距離である場合に設定される前記係数が小さい、
超解像度学習装置。
【請求項９】
物理場を表現する第１データと、
前記第１データよりも高い空間解像度で前記物理場を表現する第２データと、
を含む教師データが入力されるコントローラにおいて実行するための超解像度学習プログラムであって、
前記第１データを学習モデルに入力した際に、前記学習モデルから出力される出力データを算出するステップと、
前記物理場の各点で、前記出力データと前記第２データに基づいて損失を算出するステップと、
前記物理場の各点で、注目する物体からの距離に基づいて係数を設定するステップと、
前記損失に前記係数を乗算した結果を、前記物理場の全体で合計して合計損失を算出するステップと、
前記合計損失に基づいて前記学習モデルの訓練を実行するステップと、を含み、
前記距離が第１距離である場合に設定される前記係数と比較して、前記距離が前記第１距離よりも大きな第２距離である場合に設定される前記係数が小さい、
超解像度学習プログラム。

発明の詳細な説明【技術分野】
【０００１】
本発明は、超解像度学習方法、超解像度学習装置、及び、超解像度学習プログラムに関する。
続きを表示（約 1,400 文字）【背景技術】
【０００２】
少数のデータで学習した複数の畳み込みニューラルモデルを併用して、元の画像から複数の高解像度画像の候補を生成し、生成した複数の高解像度画像の候補の中から、元の画像との差分が最も小さい候補を、高解像度画像として出力する技術が提案されている（特許文献１参照）。
【先行技術文献】
【特許文献】
【０００３】
特許６２３６７３１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
特許文献１に開示される技術を用いて三次元の物理場を高解像度化する場合には、学習対象となるデータのサイズが増加することから、少数のデータであっても複数の学習モデルを作成する時間が増加しやすいという問題がある。
【０００５】
本発明は、上記問題に鑑みてなされたものである。その目的とするところは、三次元の物理場を高解像度化する場合であっても、高解像度化を行う学習モデルを作成する時間の増加を抑制することができる、超解像度学習方法、超解像度学習装置、及び、超解像度学習プログラムを提供することにある。
【課題を解決するための手段】
【０００６】
上述した問題を解決するために、本発明の一態様に係る超解像度学習方法、超解像度学習装置、及び、超解像度学習プログラムによれば、物理場を表現する第１データと、第１データよりも高い空間解像度で物理場を表現する第２データと、を含む教師データを処理する。第１データを学習モデルに入力した際に、学習モデルから出力される出力データを算出し、物理場の各点で、出力データと第２データに基づいて損失を算出し、物理場の各点で、注目する物体からの距離に基づいて係数を設定する。損失に係数を乗算した結果を、物理場の全体で合計して合計損失を算出し、合計損失に基づいて学習モデルの訓練を実行する。距離が第１距離である場合に設定される係数と比較して、距離が第１距離よりも大きな第２距離である場合に設定される係数が小さい。
【発明の効果】
【０００７】
本発明によれば、三次元の物理場を高解像度化する場合であっても、高解像度化を行う学習モデルを作成する時間の増加を抑制することができる。
【図面の簡単な説明】
【０００８】
本発明の一実施形態に係る超解像度学習装置の構成を示すブロック図である。
本発明の一実施形態に係る超解像度学習装置の処理を示すフローチャートである。
物体からの距離に対する係数の変化を示す図である。
【発明を実施するための形態】
【０００９】
次に、図面を参照して、本発明の実施の形態を詳細に説明する。説明において、同一のものには同一符号を付して重複説明を省略する。
【００１０】
［超解像度学習装置の構成］
図１は、本実施形態に係る超解像度学習装置の構成を示すブロック図である。図１に示すように、超解像度学習装置は、取得部７１と、データベース７３と、コントローラ１００と、出力部４００と、を備える。コントローラ１００は、有線あるいは無線の通信路によって、取得部７１、データベース７３、出力部４００と接続されている。
（【００１１】以降は省略されています）

関連特許