シーングラフから画像を生成することは、明示的なシーン生成と操作の有望な方向性です。しかし、シーングラフから生成された画像は品質に欠けており、これはデータの高難易度と多様性による部分的な影響があります。本研究では、MIGS（Meta Image Generation from Scene Graphs）と呼ばれるメタ学習に基づくアプローチを提案します。このアプローチは、少量のサンプルから画像を生成するためのものであり、異なるシーンへのモデルの適応を可能にし、多様なタスクセットでの学習により画像品質を向上させます。タスク駆動型のデータサンプリング手法を使用することで、シーン属性に基づいて分類された異なるタスクセット上でジェネレータをメタ学習で訓練します。実験結果は、このメタ学習アプローチがシーングラフからの画像生成において画像品質とシーン内の意味論的関係性の捕捉において最先端の性能を達成していることを示しています。プロジェクトウェブサイト: https://migs2021.github.io/