Training Generative Adversarial Networks (GANs) requires large amounts of data, and creating sufficiently large datasets to generate images of faces with attributes of a specific group is difficult. In this study, we propose a few-shot method to rapidly generate high-quality images of faces with features associated with a specific group using two techniques, Pivotal Tuning Inversion (PTI) and Principal Component Analysis (PCA).

Since training on the dataset requires only a short computational time by using these techniques, our method is faster than the previous few-shot methods in the image generation process. With three datasets each containing approximately 100 face images of members of specific groups, the experimental results showed that the proposed method achieved the generation of higher-quality images with the features of the group in a shorter computational time than all previous few-shot methods.

　敵対的生成ネットワーク（GAN）の学習には大量のデータが必要であり、あるスポーツの選手やアイドルのような特定の集団の属性を持つ顔の画像を生成するために十分な量のデータセットを作成することは困難である。本研究では、Pivotal Tuning Inversion (PTI) と主成分分析 (PCA) の2つの手法を用いて、特定のグループに関連する特徴を持つ顔の画像を高速に生成するFew-Shot画像生成手法を提案する。

　PTIとPCAを用いることで、データセットに対する学習が短時間の計算で済み、本手法は従来のFew-Shot画像生成手法よりも画像生成の高速化を実現している。また、特定の集団のメンバーの顔画像約100枚を含む3つのデータセットを用いた実験の結果、提案手法は、すべての従来のFew-Shot画像生成手法よりも短い計算時間で、集団の特徴を持つより高品質な画像の生成を達成することを可能とした。