動画像を目的に応じた情報粒度で言語記述するAIの構築

Research Project

Project/Area Number	24K03006
Research Category	Grant-in-Aid for Scientific Research (B)
Allocation Type	Multi-year Fund
Section	一般
Review Section	Basic Section 61030:Intelligent informatics-related Basic Section 60030:Statistical science-related Sections That Are Subject to Joint Review: Basic Section60030:Statistical science-related , Basic Section61030:Intelligent informatics-related
Research Institution	National Institute of Advanced Industrial Science and Technology
Principal Investigator	原健翔国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 主任研究員 (70837575)
Co-Investigator(Kenkyū-buntansha)	QIU YUE 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 研究員 (70944370)
Project Period (FY)	2024-04-01 – 2027-03-31
Project Status	Granted (Fiscal Year 2024)
Budget Amount *help	¥18,330,000 (Direct Cost: ¥14,100,000、Indirect Cost: ¥4,230,000) Fiscal Year 2026: ¥5,850,000 (Direct Cost: ¥4,500,000、Indirect Cost: ¥1,350,000) Fiscal Year 2025: ¥5,850,000 (Direct Cost: ¥4,500,000、Indirect Cost: ¥1,350,000) Fiscal Year 2024: ¥6,630,000 (Direct Cost: ¥5,100,000、Indirect Cost: ¥1,530,000)
Keywords	コンピュータビジョン / 動画像解析 / 深層学習
Outline of Research at the Start	人口減少や高齢化による労働力低下が懸念される状況では，人間と共生して活動を支援できるAIが人間同様に視覚情報（動画など）を介して実世界を理解し，人間の目的に応じて適切に行動できることが期待される．大規模言語モデルをはじめとしたAI技術の急速な発展により，人間とAIの言語を介したやりとりは実現しつつあるが，視覚を介したやりとりはいまだに困難な問題である．本研究では人間とAIの視覚を介したやりとりの実現のために，多様な情報を含む動画という視覚情報をどのようにして目的に応じた適切な情報粒度で言語として記述するのかという問題に焦点を当て，動画を目的に応じて適切な情報粒度で記述する技術の確立を目指す．