LEARNING MODEL GENERATION METHOD, ILLUSTRATION CONVERSION METHOD, LEARNING MODEL GENERATION DEVICE, ILLUSTRATION CONVERSION DEVICE, LEARNING MODEL GENERATION PROGRAM, AND ILLUSTRATION CONVERSION PROGRAM

• Main Authors: GOTO, Mitsuhiro, SESHIMO, Hitoshi, XIE, Fanglu
• Format: Patent
• Language: English; French; Japanese
• Published: 17.08.2023
• Subjects: CALCULATING; COMPUTING; COUNTING; IMAGE DATA PROCESSING OR GENERATION, IN GENERAL; PHYSICS

Provided is a learning model generation method according to one embodiment, the method being executed by an information processing device, includes: acquiring input data; using a first neural network to extract habit feature data, style feature data and content feature data of the input data; using a second neural network to identify a second habit label from the habit feature data and/or the style feature data; learning, by reverse propagation, a parameter used by the first neural network and the second neural network, on the basis of a first loss function calculated from the input data and the second habit label; generating habit-eliminated illustration data from the style feature data and the content feature data; and learning, by reverse propagation, a parameter used by the first neural network on the basis of a second loss function calculated from the habit-eliminated illustration data and the input data. L'invention, selon un mode de réalisation, concerne un procédé de génération de modèle d'apprentissage, le procédé étant exécuté par un dispositif de traitement d'informations, consistant à : acquérir des données d'entrée ; utiliser un premier réseau neuronal pour extraire des données de caractéristique d'habitude, des données de caractéristique de style et des données de caractéristique de contenu des données d'entrée ; utiliser un second réseau neuronal pour identifier une seconde étiquette d'habitude à partir des données de caractéristique d'habitude et/ou des données de caractéristique de style ; apprendre, par propagation inverse, un paramètre utilisé par le premier réseau neuronal et le second réseau neuronal, sur la base d'une première fonction de perte calculée à partir des données d'entrée et de la seconde étiquette d'habitude ; générer des données d'illustration non impactées par l'habitude à partir des données de caractéristique de style et des données de caractéristique de contenu ; et apprendre, par propagation inverse, un paramètre utilisé par le premier réseau neuronal sur la base d'une seconde fonction de perte calculée à partir des données d'illustration non impactées par l'habitude et des données d'entrée. 一実施形態に係る情報処理装置が実行する学習モデル生成方法で、入力データを取得することと、入力データの、第１のニューラルネットワークを用いて癖特徴データ、スタイル特徴データ、およびコンテンツ特徴データを抽出することと、癖特徴データまたはスタイル特徴データの少なくとも一方から、第２のニューラルネットワークを用いて第２の癖ラベルを識別することと、入力データおよび第２の癖ラベルから算出された第１の損失関数に基づいて第１のニューラルネットワークおよび第２のニューラルネットワークが使用するパラメータを逆伝搬で学習させることと、スタイル特徴データおよびコンテンツ特徴データから癖除去イラストデータを生成することと、癖除去イラストデータおよび入力データから算出された第２の損失関数に基づいて第１のニューラルネットワークが使用するパラメータを逆伝搬で学習させることとを備える。