学術的背景と問題提起 ストーリービジュアライゼーション（Story Visualization）は、テキストで記述されたストーリーから一連の視覚的に一貫した画像を生成することを目的としたタスクです。このタスクでは、生成された画像が高品質であるだけでなく、テキストの記述と一致し、異なる画像間でキャラクターのアイデンティティやシーンが一貫している必要があります。ストーリービジュアライゼーションは、芸術創作、児童教育、文化継承などの分野で幅広い応用が期待されていますが、その複雑さから、既存の手法は特定のキャラクターやシーンのみを考慮したり、ユーザーに画像ごとの制御条件（スケッチなど）を提供することを要求したりすることで問題を大幅に簡略化しています。これらの簡略化により、既存の手法は実際のアプリケー...

拡散モデルに基づく特徴拡張：全視野病理画像における多数例学習の新手法 学術的背景と研究の動機 計算病理学（computational pathology）の分野では、全視野スライド画像（Whole Slide Images, WSIs）の効果的な分析方法が現在の研究課題として注目されています。WSIsは超高解像度の画像であり、広範囲な視野を持ち、がん診断に広く利用されています。しかし、ラベル付きデータの不足や巨大な画像データがもつ計算負荷の問題から、WSIの自動解析における深層学習手法、特に多数例学習（Multiple Instance Learning, MIL）には多くの課題があります。 MILは典型的な弱教師あり学習手法であり、WSI全体を「バッグ」に見立て、その中の小領域（パッチ）を...

背景紹介 一世紀前、Hevesyは最初に放射性トレーサーを植物の生物指標として利用することを提案し、その後ラットの実験で確認された。この発見は、核医学と分子イメージングの生物医学分野の発展を促進し、分子レベルでの生物過程の定量的可視化を可能にした。数あるイメージング技術の中で、単光子放出計算機断層撮影（SPECT）と陽電子放出断層撮影（PET）が特に重要であり、これらは標識化合物を使って生物機能と代謝を定量的に検出することができる。これらの技術が発展する過程で、X線計算機断層撮影（CT）や磁気共鳴画像（MRI）を組み合わせて解剖情報を得ることで、診断とデータ補正の正確性がさらに向上した。 しかし、現行のシステムには、画像再構成のプロセスで時間がかかり、ノイズが拡散するという大きな制約がある。...