物理的演繹モデルと帰納的深層学習の融合によるしなやかな画像理解

2021 Fiscal Year Comments on the Screening Results

• Project/Area Number: 21H04893
• Research Category: Grant-in-Aid for Scientific Research (A)
• Allocation Type: Single-year Grants
• Section: 一般
• Review Section: Medium-sized Section 61:Human informatics and related fields
• Research Institution: Kyoto University
• Principal Investigator: 西野 恒 京都大学, 情報学研究科, 教授 (60814754)
• Project Period (FY): 2021-04-05 – 2026-03-31

Summary of the Research Project

本研究は、コンピュータビジョンにおける、物理的事象を精緻に表現する生成的モデルの獲得と、そのパラメタの少ない観測データからの安定した推定、という相反する要求を満たす手法を提案することを目的とする。具体的には、光学的画像理解の課題において、物理則による生成モデルの演繹的適用と学習データからの帰納的深層学習という手法の融合による問題解決をめざしている。

Scientific Significance and Expected Research Achievements

演繹的モデルと深層学習の融合は喫緊の課題であり、重要性が高い。演繹モデルの帰納的学習による推定に基づく任意物体の精緻な３次元形状の復元への適用などの、オリジナリティの高い光学的画像理解の具体的課題を５つ挙げて、多面的融合を目指しており、着実な成果が見込まれる。多方面に応用の効く体系的基礎的研究として期待が高い。