[1L2-J-11] Robot and real worlds: cognition of objects and environment

[1L2-J-11-05] Pixyz: a framework for developing complex deep generative models

〇Masahiro Suzuki¹, Takaaki Kaneko¹, Shohei Taniguchi¹, Tatsuya Matsushima¹, Yutaka Matsuo¹ (1. The University of Tokyo)

Keywords:Deep generative models

近年，深層生成モデルの研究は急速に進んでおり，それらを簡潔かつ汎用性高く実装できるフレームワークが求められる．本研究では，最新の複雑な深層生成モデルの特徴として，確率分布によるネットワークの隠蔽，および複数の誤差関数から目的関数が構成されているという2点に着目し，それらを達成する新たな深層生成モデルライブラリ，Pixyzを提案する．本論文では，提案ライブラリが簡単な深層生成モデルの実験において，既存の確率モデリング言語であるPyroよりも高速で動作することを示し，さらに既存の確率モデリングライブラリでは実装できない複雑な深層生成モデルについて，容易かつ簡潔に実装できることを示す．