飯塚里志 — ディープネットワークによる画像補完（SIGGRAPH 2017）
概要： 本研究では，畳み込みニューラルネットワークを用いて，シーンの大域的かつ局所的な整合性を考慮した画像補完を行う手法を提案する．提案する補完ネットワークは全層が畳み込み層で構成され，任意のサイズの画像における自由な形状の「穴」を補完できる．この補完ネットワークに，シーンの整合性を考慮した画像補完を学習させるため，本物の画像と補完された画像を識別するための大域識別ネットワークと局所識別ネットワークを構築する．大域識別ネットワークは画像全体が自然な画像になっているかを評価し，局所識別ネットワークは補完領域周辺のより詳細な整合性によって画像を評価する．この2つの識別ネットワーク両方を「だます」ように補完ネットワークを学習させることで，シーン全体で整合性が取れており，かつ局所的にも自然な補完画像を出力することができる．提案手法により，様々なシーンにおいて自然な画像補完が可能となり，さらに従来の
労働政策の展望「「学習歴とキャリア」に関するいくつかの研究課題─高専教育の実績に学ぶ」｜労働政策研究・研修機構（JILPT）
表が示している要点はシンプルだが、考えさせられるところは小さくない。第一に、学業成績と満足度の二つが社会人力の向上に貢献している。学業成績がエンジニアとしての社会人力にプラスの効果をもたらすのは当たり前かもしれないが、学業成績を軽く安易に考えがちなメディアの教育言説には注意する必要があるだろう。加えて、学業成績に勝るとも劣らず、満足度の効果が大きいのは驚きである。この分析だけでなく、学校時代の満足度は、卒業後のキャリアのさまざまな局面にプラスの効果をもたらしていた。学校満足は、レジャーランドを消費的に楽しんだ場合の評価と同じではなく、5年間のキャンパスライフの総体を評価した指標である。満足して卒業するという意味の重要性を学校は重く受け止める必要があると思う。 社会人力を向上させるためには、学校時代の学びだけでなく、労働経験年数、および生涯学習と読書の頻度が重要だということもはっきりと現れて
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
