ディススプライト

  • 説明：

dSprites は、6 つのグラウンド トゥルースの独立した潜在要素から手続き的に生成された 2D 形状のデータセットです。これらの要素は、スプライトの色、形状、スケール、回転、 xおよびy位置です。

これらの潜在的な組み合わせはすべて 1 回だけ存在し、合計 N = 737280 の画像が生成されます。

潜在因子の値

  • 色: ホワイト
  • 形状: 正方形、楕円形、ハート
  • スケール: [0.5, 1] で直線的に配置された 6 つの値
  • 方向: [0, 2 pi] の 40 個の値
  • 位置 X: [0, 1] の 32 個の値
  • 位置 Y: [0, 1] の 32 個の値

一度に 1 つの潜在画像を変更し (位置 Y から開始し、次に位置 X など)、固定された順序で画像を順次保存しました。したがって、最初の次元に沿った順序は固定されており、その画像に対応する潜在値の値にマッピングし直すことができます。

すべてのピクセル出力が異なることを保証しながら、ステップ変化を最小限にするために、潜在値を意図的に選択しました。ノイズは追加されていません。

スプリット例
'train' 737,280
  • 機能の構造:
FeaturesDict({
    'image': Image(shape=(64, 64, 1), dtype=uint8),
    'label_orientation': ClassLabel(shape=(), dtype=int64, num_classes=40),
    'label_scale': ClassLabel(shape=(), dtype=int64, num_classes=6),
    'label_shape': ClassLabel(shape=(), dtype=int64, num_classes=3),
    'label_x_position': ClassLabel(shape=(), dtype=int64, num_classes=32),
    'label_y_position': ClassLabel(shape=(), dtype=int64, num_classes=32),
    'value_orientation': float32,
    'value_scale': float32,
    'value_shape': float32,
    'value_x_position': float32,
    'value_y_position': float32,
})
  • 機能ドキュメント:
特徴クラス形Dタイプ説明
特徴辞書
画像画像(64、64、1) uint8
ラベルの向きクラスラベルint64
ラベルスケールクラスラベルint64
ラベルの形状クラスラベルint64
ラベル_x_位置クラスラベルint64
ラベルy_位置クラスラベルint64
値の方向テンソルfloat32
値のスケールテンソルfloat32
値の形状テンソルfloat32
値_x_位置テンソルfloat32
値y_位置テンソルfloat32

視覚化

  • 引用：
@misc{dsprites17,
author = {Loic Matthey and Irina Higgins and Demis Hassabis and Alexander Lerchner},
title = {dSprites: Disentanglement testing Sprites dataset},
howpublished= {https://github.com/deepmind/dsprites-dataset/},
year = "2017",
}