画像編集・生成

グレイスケール画像の自動色付け (SIGGRAPH 2016)

グレイスケール画像を自動でカラー画像に変換する手法を提案する．本研究では、画像の大域特徴と局所特徴を考慮した畳込みニューラルネットワークモデルを提案し，230万枚以上の画像データを用いてグレイスケール画像の色情報を学習させることで，様々なグレイスケール画像の自然な色付けを実現した．[プロジェクトページ]

ラフスケッチの自動線画化 (SIGGRAPH 2016)

ラフスケッチから線画を自動生成する手法を提案する．本研究では複数のイラストレーターが作成したラフスケッチと線画のペアを，畳込み層のみから構成されるニューラルネットワークに学習させることで，様々なパターンをもつラフスケッチを良好に線画化できるようにした．また，少ないスケッチデータセットからも効果的にモデルの学習ができるフレームワークを提案した．[プロジェクトページ]

物体表面のテクスチャ変化を伴う画像の経年変化の再現（Eurographics 2016）

画像中の物体がどのように経年変化してくのかを再現する手法を提案する．提案手法では，まず画像中の物体がどの程度経年変化しているかを推定し，その情報を用いて経年変化後の見た目を表すサンプルを生成する．これを入力画像に合成していくことで，時間経過によって物体が変化していく様子を再現した． [プロジェクトページ]

同一人物に見える範囲で最大限に顔画像の美形化

本研究では, 入力画像に対して同一人物に見える範囲で最大限に美形化を行う手法を提案する. 美形化を行う際に, 機械学習で作成された識別器によって入力画像と同一人物に見えるよう制約を加えることで実現する.

Seam carvingに適したエネルギーのConvolutional neural networkによる推定

Seam carvingはリサイズ手法の一つであり、重要度を定義した様々なエネルギーマップを利用することができる。本研究では、入力画像をseam carvingでリサイズするときに、どのエネルギーが適しているかを推定することを目的とする。