| 研究課題/領域番号 |
20K19831
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61010:知覚情報処理関連
|
|---|
| 研究機関 | 立命館大学 |
|---|
研究代表者 |
ワン ユ 立命館大学, 情報理工学部, 助教 (60724169)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2022-03-31
|
| 研究課題ステータス |
完了 (2021年度)
|
| 配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2021年度: 1,300千円 (直接経費: 1,000千円、間接経費: 300千円)
2020年度: 2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
|
|---|
| キーワード | 暴力度レーティング / 動画像認識 / 畳み込みニューラルネットワーク |
|---|
| 研究開始時の研究の概要 |
インターネットにつながる電子機器の浸透により，ウェブ上のビデオコンテンツにアクセスする手段は，多様化しており，視聴内容のコントロールが困難となっている．本研究では，有害コンテンツの自動解析・フィルタリングを目的とした暴力度のレーティング技術を開発する．なお，レーティングの基準は実世界に存在するビデオ等級分類基準に対応させ，暴力度を詳細かつ解釈可能な方式で評価する．本研究で目指す暴力度レーティング技術により推定した暴力度から，ビデオごとに視聴に適した年齢層を推定できるとともに，その根拠も提示できるため，青少年をはじめとする多くの利用者に，より安全・安心な視聴空間を提供することが可能になる．
|
| 研究成果の概要 |
本研究は，詳細かつ解釈可能な暴力度レーティング技術の開発を目的として，まず，[1]相対的な属性値を用いたラベリング手法のアルゴリズムを具体化した上，実装を完成させた．また，小規模の検証実験において，開発したラベリングツールの有効を確認した．その上，[2]詳細かつ解釈可能な主観的属性の認識を実現するために，CRAとRMCSAなどの深層モデルのモジュール，及びDPCNNとMSCNNなどの深層モデルのアーキテクチャを開発し，大規模の検証実験において性能の優位性を確認した．
|
| 研究成果の学術的意義や社会的意義 |
本研究で開発した暴力度レーティング技術は実用性が高く，実用できれば，ビデオごとに暴力度の詳細推定及び推定根拠の提示が可能になる．また，この技術により推定した暴力度から，ビデオごとに視聴に適した年齢層を見積もることができるため，青少年をはじめとする多くの利用者にとって，より自由で安全な視聴空間が確保できる．また，本研究で開発したラベリングツール，及び深層モデルのモジュールやアーキテクチャは，画像・映像における主観的属性認識タスクの最も基本的な課題の解決にも貢献できる．研究成果は画像・映像の分類，要約，検索などの研究にも大きな推進力を与えることになる。
|
