研究チームは問題解決のために、生成エラーを誘発するディープラーニング内部のユニット（ニューロン）を見つけて除去するアルゴリズムを開発した。アルゴリズムは、ディープラーニングモデルの視覚的欠陥の位置を把握し、ディープラーニングモデル内の層に存在するエラーを誘発したユニットを探し、活性化できないようにして欠陥が発生しないようにした。

研究チームは説明可能な人工知能技術を活用し、視覚的欠陥が、生成された画像のどの部分に分布しているのか、またディープラーニング内部のどのユニットが欠陥の生成に関与しているのかを見つけることができる。開発された技術は、ディープラーニング生成モデルのエラーを修正でき、生成モデルの構造に関係なく適用できる。

研究チームは伝統的な構造を持つ「PGGAN（Progressive GAN）」において、開発技術が効果的に生成エラーを修正できることを確認した。修正性能はマサチューセッツ工科大学（MIT）が保有する修正技術と比べてFID点数が約10点減少し、ユーザー評価で試験画像グループの約50％が欠陥が除去され、約90％で品質が改善された。さらに、特異構造を持つ「StyleGAN2」と「U-net GAN」においても生成エラーの修正が可能であることを示すことによって、開発技術の一般性と拡張の可能性を示した。

研究チームが開発した生成モデルのエラー除去技術は様々な画像の他にも、様々な生成モデルに適用され、モデルの結果に対する信頼性を高めることが期待される。

共同第一著者のAli Tousi、チョン・へドン研究員は「ディープラーニング生成モデルが生成した結果に存在する視覚的エラーを見つけ、これに相応する活性化を示す生成モデル内部のユニットを順次除去することにより、生成エラーを修正できるということを示した」とし、これは「十分に学習されたモデル内部に未学習あるいは誤って学習された内部要素があることを示す結果だ」と述べた。

一方、今回の研究は、2021年度科学技術情報通信部の財源で情報通信企画評価院の支援を受けた革新成長動力プロジェクト説明可能な人工知能および韓国科学技術院人工知能大学院のプロジェクト課題を通じて行われた。


文・korea-marketing／提供元・コリア・エレクトロニクス

【関連記事】
・韓国の双竜自動車が日本で販売？「ヒュンダイも撤退したのに…」　韓国紙が関心
・韓国がパワー半導体のSiC素材検査技術を国産化…「日本の半分のコストで開発」
・LGグループが日本法人社屋を約200億円で急遽売却へ
・米特許登録数　IBM1位、サムスン2位、LG3位、4位キャノン
・フォルクスワーゲンが韓国二社とのEV電池取引を打ち切りか…特許紛争に嫌気？