核心概念
事前学習済みの画像生成モデル(GANおよびVAE)から、特定の特徴(例えば顔画像の髪型)を効果的に削除する手法を提案する。
要約
本研究では、事前学習済みの画像生成モデル(GANおよびVAE)から、特定の特徴を効果的に削除する手法を提案している。
通常の機械学習モデルの忘却では、削除対象が訓練データの一部であるのに対し、本研究では特定の特徴を削除することが目的である。
特定の特徴は画像の一部分にのみ現れるため、全画像を削除すると他の詳細も失われてしまう。
そこで、ランダムに生成された画像から特徴を含むものを収集し、その潜在表現を特定する。その後、事前学習済みモデルを微調整することで、特定の特徴を削除しつつ、元のモデルの忠実度を維持する。
MNISTやCelebA、FFHQデータセットでの実験により、提案手法が特徴を効果的に削除しつつ、高品質な画像生成を維持できることを示している。
さらに、敵対的攻撃に対する頑健性も確認している。
統計
特徴を含む画像の割合は、元のモデルに比べ、提案手法のモデルで大幅に減少している。
画像の品質指標であるInception ScoreおよびFr´
echet Inception Distanceは、元のモデルと提案手法のモデルで同等の値を示している。
引用
特定の特徴は画像の一部分にのみ現れるため、全画像を削除すると他の詳細も失われてしまう。
提案手法は、特定の特徴を効果的に削除しつつ、元のモデルの忠実度を維持できる。