限られた訓練データを用いた顔アライメントにおけるStyleGAN潜在空間の探索

近年、ディープラーニングモデルの規模はますます大きくなり、現在では10億パラメータを超えるモデルも登場している。それに伴い、大規模かつアノテーション済みの学習データセットの必要性も高まっている。この問題を軽減するため、自己教師学習（self-supervised learning）への関心が高まっている。特に、生成対抗ネットワーク（Generative Adversarial Networks: GAN）の発展、特にStyleGANの登場により、画像生成の品質は著しく向上している。本論文では、画像生成ではなく、限られた学習データを用いた顔のアライメント（顔のランドマーク検出）にStyleGANを活用する手法を提案する。本研究で提唱するフレームワーク「StyleGAN埋め込みを用いた顔アライメント（Face Alignment using StyleGAN Embeddings: FASE）」は、実画像をStyleGANの潜在空間に射影し、その潜在ベクトルから顔のランドマークを予測する。本手法は、少数の学習サンプル（few-shot）設定において、複数の顔アライメントデータセットで最先端の性能を達成した。