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

• 研究課題/領域番号: 24K03006
• 研究種目: 基盤研究(B)
• 配分区分: 基金
• 応募区分: 一般
• 審査区分: 小区分61030:知能情報学関連; 小区分60030:統計科学関連; 合同審査対象区分:小区分60030:統計科学関連、小区分61030:知能情報学関連
• 研究機関: 国立研究開発法人産業技術総合研究所
• 研究代表者: 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)
• 研究分担者: 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)
• 研究期間 (年度): 2024-04-01 – 2027-03-31
• 研究課題ステータス: 交付 (2024年度)
• 配分額: 18,330千円 (直接経費: 14,100千円、間接経費: 4,230千円); 2026年度: 5,850千円 (直接経費: 4,500千円、間接経費: 1,350千円); 2025年度: 5,850千円 (直接経費: 4,500千円、間接経費: 1,350千円); 2024年度: 6,630千円 (直接経費: 5,100千円、間接経費: 1,530千円)
• キーワード: コンピュータビジョン / 動画像解析 / 深層学習

研究開始時の研究の概要

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．