| 研究課題/領域番号 |
21H04916
|
|---|
| 研究種目 |
基盤研究(A)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
中区分62:応用情報学およびその関連分野
|
|---|
| 研究機関 | 慶應義塾大学 |
|---|
研究代表者 |
藤代 一成 慶應義塾大学, 理工学部(矢上), 教授 (00181347)
|
|---|
| 研究分担者 |
茅 暁陽 山梨大学, 大学院総合研究部, 教授 (20283195)
安達 登 山梨大学, 大学院総合研究部, 教授 (60282125)
竹島 由里子 東京工科大学, メディア学部, 教授 (20313398)
植村 誠 広島大学, 宇宙科学センター, 准教授 (50403514)
|
|---|
| 研究期間 (年度) |
2021-04-05 – 2026-03-31
|
| 研究課題ステータス |
交付 (2022年度)
|
| 配分額 *注記 |
42,770千円 (直接経費: 32,900千円、間接経費: 9,870千円)
2022年度: 7,020千円 (直接経費: 5,400千円、間接経費: 1,620千円)
2021年度: 21,320千円 (直接経費: 16,400千円、間接経費: 4,920千円)
|
|---|
| キーワード | 知識獲得 / 出自管理 / 深層学習 / 視覚計算応用 |
|---|
| 研究開始時の研究の概要 |
本研究課題では，出自管理と深層学習に基づく専門知識獲得のための計算パラダイムELITEを，マルチスカラ平面格子データ構造の代数系として定式化し，その処理基盤を開発する．そして，四例の挑戦的視覚計算問題―画像コンポジット [CG]，仮想物体の経年変化制御 [AR]，面分光マップ生成 [光赤外天文学]，遺体損傷の成傷機転推定 [計算法科学]―に適用して，ELITEの有効性を実証する．
|
| 研究実績の概要 |
全5カ年計画の初年度にあたる本年度に実施した主要な研究内容は，以下の5項目に要約できる．
1. MSPL (Multi-Scale Planar Lattice，マルチスカラ平面格子)のデータ表現の概念設計から出発し，視覚発見プロセス（2006）に基づいてMSPLの出自を管理するとともに，その遷移を深層学習できるような制御レイヤを追加した計算パラダイムとして，視考支援基盤を提案した．これは，研究代表者が委員長を務める日本学術会議総合工学委員会可視化の新パラダイム策定小委員会の有力な新パラダイム候補にも選ばれている．
2. 計算法科学を例にとり，項目1の視考支援基盤にそって，専用MSPLの代数系の出自管理をサポートするデータフロー型ビジュアルプログラミング環境の基本設計を完了した．この成果については，1件の学術誌論文と2件の国際会議録論文を公刊した．
3. 光赤外天文学を例にとり，項目1の視考支援基盤にそって，専用MSPLの代数系の出自管理をサポートするデータフロー型ビジュアルプログラミング環境の基本設計に着手した．
4. 大局照明効果を有する人物全身像の画像コンポジット問題や，自然な見えを保証されたNon-Player Character群衆の自動生成，書道における複数書体の文字認識・書体変換問題を題材に，MSPLの深層学習の実利的効果を幅広く確認した．これらの成果については，2件の学術誌論文と1件の国際会議録論文を公刊した．
5. 研究期間全体を通じて利用可能な深層学習用GPUクラスタ環境を代表者が所属する慶應義塾大学に設置し，研究参加者が所属する各機関からPCワークステーションを介して接続可能にするような研究環境を構築した．これに関連して，GPUの高度利用・教育に関連する1件の学術誌論文を公刊した．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
MSPLのデータ表現およびその出自管理と深層遷移学習の基盤アーキテクチャを提案し，計算法科学と光赤外天文学応用に関しては，出自管理のデータフロー型ビジュアルプログラミング環境を具体的に開発できている．
また，当初より幅広いCG/AR問題に対して，深層遷移学習効果を確認できている．
さらに，研究期間を通じて利用可能な計算環境も整備完了済である．
|
| 今後の研究の推進方策 |
1. 視考支援基盤の深層学習レイヤの充実に努める．具体的には，視覚分析制御パラメタのチューニング，可視化結果の定量的分析，説明可能AIの実現の3点の導入を試みる．
2. 計算法科学専用MSPLの出自管理サポート範囲を，実解剖と仮想解剖の並置化に対応するARにまで拡張する．
3. 光赤外天文学専用MSPLの出自管理・深層遷移学習環境の開発を推進し，具体的な実問題に適用によりその性能を評価する．
4. 大局照明効果を有する人物全身像の画像コンポジット問題を選択し，そのMSPLの深層学習の実利的効果を強化する．
5. 計画当初に含めていたシーンの経年劣化推定問題や点群の光学的パラメタ推定問題への応用にも着手する．
|
