学生のPENG, Yichenさん（博士後期課程2年、創造社会デザイン研究領域、宮田研究室）が国際会議3rd International Symposium on Intelligence Design (ISID2023)においてBest Poster Awardを受賞しました。

　ISID2023は、人工知能（AI）とデザイン研究の進歩や発展について、多様な研究分野の研究者が議論し、技術と知識の交流を図ることを目的とした国際会議です。同会議では、イノベーションデザインやその研究をリードする国内外における研究者による最新の研究成果の紹介等が行われ、Best Poster Awardは、一般選考と委員会投票により、決定されました。

　今回、ISID2023は令和5年3月13日～14日にかけ、オンラインにて開催されました。

■受賞年月日
令和5年3月14日

■研究題目、論文タイトル等
Face Diffusion Model with Sketch

■研究者、著者
Yichen Peng, Chunqi Zhao, Haoran Xie, Tsukasa Fukusato and Kazunori Miyata

■受賞対象となった研究の内容
Synthesizing face images from monochrome sketches is one of the most fundamental tasks in the field of image-to-image translation. However, it is still challenging to (1)~make models learn the high-dimensional face features such as geometry and color, and (2)~take into account the characteristics of input sketches. Existing methods often use sketches as indirect inputs (or as auxiliary inputs) to guide the models, resulting in the loss of sketch features or the alteration of geometry information. In this paper, we introduce a Sketch-Guided Latent Diffusion Model (SGLDM), a LDM-based network architect trained on the paired sketch-face dataset. We apply a Multi-Auto-Encoder (AE) to encode the different input sketches from different regions of a face from pixel space to a feature map in latent space, which enables us to reduce the dimension of the sketch input while preserving the geometry-related information of local face details. We build a sketch-face paired dataset based on the existing method that extracts the edge map from an image. We then introduce a Stochastic Region Abstraction (SRA), an approach to augment our dataset to improve the robustness of SGLDM to handle sketch input with arbitrary abstraction.

■受賞にあたって一言
　この度、ISIDでBEST POSTER AWARDを受賞させていただき誠に光栄に思います。この研究課題を遂行以来、先生方の丁寧なご指導と学生同士のコメントを頂いたおかけだと存じます。この賞は、皆様のご協力があってこその賞だと思っております。これからも初心を忘れることなく、研究を遂行して参りますので、どうか今後とも、ご指導・ご鞭撻のほどよろしくお願いします。

令和5年3月28日