【成果物紹介】ジェネレータ・ ディスクリミネータを用いた画風変換アプリ

DX を推進する AI ・データサイエンス人材育成コースとは？

プログラミング未経験から、AI プログラミングやデータサイエンスを学ぶことのできる 6 ヶ月間のコースです。
AI エンジニアやデータサイエンティストへの転職実績も豊富で、自走できるAI・データサイエンス人材を輩出しています。

コースを通して、講師と二人三脚でオリジナルの成果物を作成することができます。
そのため、知識・スキルの定着はもちろん、転職活動時の実績としてもアピールすることができます！

写真を浮世絵風の画像に変換する画風変換アプリ

今回は、そんな長期コースの2024 年の 3 月期を受講して、2024 年 8 月に卒業された受講生の成果物をご紹介します！

概要

この方は、絵を描かない人にも絵画制作の楽しさを感じてもらえるように、撮った写真を絵画のように変換する「画風変換アプリ」を開発しました。

モデルに浮世絵の画風を学習させるため、Google Artから浮世絵を収集しました。

変換する風景写真は、インターネット上の画像を収集、kaggleからダウンロードして使用しました。

精度が上がっていることを確認することが難しかったため、数値による評価ができない状況で、学習を実施してはその変化を確認し、改善策を考えた上で再学習を繰り返すという流れを繰り返しました。

また、どのような画像を用いると学習効果が最も顕著に現れるかが明確でなく、ピクセル数や解像度、画像の種類などを変えて試行錯誤を行いました。

使用技術

• ジェネレータ (Generator GとGenerator F)：ジェネレータは、U-Netベースの構造を使用。Generator Gは、写真から浮世絵スタイルへの画像変換を行い、Generator Fはその逆の変換を行う。画像の重要な特徴を保持しつつ、スタイルを変換する能力を持つ。
• 物体ディスクリミネータ (Discriminator XとDiscriminator Y)：ディスクリミネータは、生成された画像が本物か偽物かを識別するために使用。Discriminator Xは写真を、Discriminator Yは浮世絵を評価。これにより、ジェネレータがよりリアルな画像を生成するように促す。
  

これらのモデルにより、CycleGANの中で、写真と浮世絵スタイルの間で相互に変換するために訓練されます。このプロセスにより、ペアでない画像間でもスタイル変換が可能になります。

キカガクの長期コースで ６ ヶ月間しっかり学ぶことで、このような AI を搭載したアプリやデータ分析レポートも開発できるようになります！

機械学習講師からのコメント

まとめ

今回は、長期コース卒業生の最終成果物をご紹介しました。
学習を継続してここまで精度の高いAIアプリケーションを開発できるのは本当に素晴らしいですね！

キカガクの「DX を推進する AI ・データサイエンス人材育成コース」は自走できる AI ・データサイエンス人材の輩出を目指すオンラインスクールです。気になる方はぜひ無料説明会にご参加ください！