| 研究課題/領域番号 |
20K19836
|
|---|
| 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 |
吉安 祐介 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 (10712234)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | 深層学習 / 自己教師学習 / 身体姿勢 / 体型 |
|---|
| 研究実績の概要 |
本年度は、単眼画像から多様な体型を学習するためにオートエンコーダライクな体型モデルを設計し、実装と学習を開始した。また、引き続き身体３次元学習基盤構築のために、産総研AI橋渡しクラウド（AI Bridging Cloud Infrastructure、ABCI）上に、
既存の身体姿勢・体型データセットをダウンロードし、三次元姿勢・体型の深層学習に使用できるように、画像、アノテーション、ベースラインモデルを整備した。
具体的には、学習の全体フレームワークを構築するために、Mesh graphomerという単眼画像から体型メッシュを復元するこの分野のSOTA手法を採用しABCI上でその学習環境を整えた。また、3D CODEDというマルチレイヤーパーセプトロンを用いた学習に基づく非剛体変形体型モデルをTransformer機構を用いて拡張した。この体型モデルを大量の画像データを用いて学習することで多様な体型や姿勢を再現する学習モデルが構築できると考える。
今後は、MOCO,CPCやCLIPといった、画像と言語の分野で近年発展している大量データを用いたContrastive learningや自己教示学習を参考にTransformerの学習を実施する。
しかしながら、単純なContrastive learningでは、同一の姿勢や体型であっても特徴空間内での距離が離れ、うまく特徴表現を獲得できない可能性がある。よって、時系列制約や同一人物制約等を導入することで体型や姿勢の同一性・類似性を保持する。この基礎としてPoseTrackやDukeといったトラッキングや個人同定（ReID）用の画像データベースとTransTrackやTransReIDといったこの分野の既存手法の学習プログラムをABCI上に準備した。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
3: やや遅れている
理由
R3年度は出向先業務が中心的業務であったため進捗が遅れた。
|
| 今後の研究の推進方策 |
今後は、近年発展が目覚ましいTransformerや自己教師contrastive学習に基づく手法を構築し研究を加速する。
|
| 次年度使用額が生じた理由 |
研究の進捗が遅れたため国際会議での発表に関する費用などに使用できなったことや計算機使用料が少額となったことによる。次年度は、ABCI使用料、国際会議参加費、人件費等に使用する。
|
