[1Yin-B] ポスター2

[1Yin-B-29] 効果的なデータ拡張に向けた、ソフトラベルと特徴空間座標による拡散モデルの精密制御

〇早田 啓介¹ (1. コニカミノルタ株式会社)

キーワード：

拡散モデル、データ拡張、生成制御、ソフトラベル、能動的学習

拡散モデルを用いたデータ拡張において、従来のクラスラベルによる条件付けはクラス内の多様性を表現できず、テキストや参照画像による制御もクラス境界等のピンポイントな指定には課題がある。本研究では、特徴空間上の座標を条件付けに用いることで、細かい生成制御による効率的なデータ拡張を実現する手法を提案する。提案手法では、DINOv3で抽出した特徴に基づきラベル拡散法を用いて大量の未ラベルデータへソフトラベルを付与する。これと抽出特徴をUMAPで次元削減した座標情報をそれぞれ条件付け情報として導入する。不確実性を許容するソフトラベルと、クラス内の幾何学的バリエーションを表現する座標情報の相補的活用により、既存手法では困難だった高度な生成制御を実現した。さらにエントロピーフィルタリングによりラベルの信頼性を担保し学習を安定化させた。
MNISTを用いた実験では、各クラス10枚(計100枚)のラベル付データから未ラベルを含む全6万枚を活用した学習を実現し、従来法に比べ高い制御性と画質を確認した。本手法は能動的学習で求められるクラス境界付近のデータ生成を可能とし、将来的に識別モデルの学習効率を大幅に向上させることが期待できる。