StyleAdapter: 統一的なスタイル化画像生成モデル 近年、テキストから画像生成（Text-to-Image, T2I）技術および深層学習モデルの急速な発展により、人工知能による画像生成分野での研究が大きく進展しました。しかし、参照画像の特定のスタイルをテキスト生成された高品質画像に統合することは、いまだに大きな課題です。この課題に対応するため、Zhouxia Wangらは「StyleAdapter」と呼ばれる統一的なスタイル化画像生成モデルを提案しました。本論文は、International Journal of Computer Vision に発表され、香港大学、Tencent ARC Lab、マカオ大学、および上海人工知能研究所の研究者たちによって共同執筆されました。 研究背...
深層顔認識におけるモデル盗用検出と保護：サンプル相関に基づく革新研究 背景と研究課題 近年、深層学習技術の急速な発展により、顔認識分野は飛躍的な進歩を遂げています。しかし、同時に商用顔認識モデルは知的財産権の侵害リスクに直面しています。モデル盗用攻撃は、モデルのブラックボックスまたはホワイトボックスアクセスを通じて、同等の機能を持つモデルを複製することを可能にし、モデル所有者の検出を回避します。このような攻撃は、知的財産権の侵害だけでなく、商業利益やプライバシーの安全性にも深刻な脅威をもたらします。 この課題に対応するために、モデル指紋法が重要な盗用検出手段として注目されています。従来の方法は主に可搬性のある対抗サンプルを利用してモデル指紋を生成しますが、これらの方法は対抗学習や転移学習に対...
低フレームレート多目標追跡研究に関する学術報告 序論と研究背景 近年、多目標追跡（MOT：Multi-Object Tracking）技術は、スマートビデオ監視、自動運転、ロボットビジョン分野で広く利用されています。しかし、従来のMOT手法は主に高フレームレートビデオを対象に設計されており、低フレームレートのビデオシナリオでは顕著な課題に直面しています。低フレームレートでは、隣接フレーム間での物体の移動量が増加し、物体の外観や可視性の変化がより激しくなり、検出結果の関連付けやトラックの維持に対してより高い要求が求められます。エッジデバイスは通常、計算、記憶、および伝送帯域幅に制約があるため、低フレームレートビデオは効率的なソリューションとして重要ですが、その技術的課題を解決することが急務です...
深度偽造と顔プライバシー保護に関する研究: Anti-Fake Vaccine の新しいアプローチ 背景と研究動機 近年、ディープフェイク（Deepfake）技術の進展は、個人のプライバシーおよび社会的安全に対する重大な脅威をもたらしています。ディープフェイク技術の代表的な応用として顔の置き換え技術があり、映画制作やコンピュータゲームなどで広く活用されていますが、その潜在的リスクが次第に顕著になっています。顔の置き換え技術は、元の顔（ソース顔）のアイデンティティ情報をターゲット顔に埋め込むことで、説得力がありながらも欺瞞的な合成画像やビデオを生成します。この技術が普及するにつれて、不正行為者が未承諾のフェイクコンテンツを簡単に作成できるようになり、被害者の名誉や安全が深刻に脅かされています。...
少量のピクセルラベルと点群データを用いた自動車運転シーンの弱教師ありセマンティックセグメンテーション 背景と研究課題 セマンティックセグメンテーションは、コンピュータビジョンにおける重要な課題の一つであり、自動運転などの分野で広く応用されています。しかし、従来の完全教師ありセグメンテーション手法では、大量のピクセル単位のアノテーションが必要であり、そのコストは非常に高いです。 弱教師ありセグメンテーション（Weakly Supervised Semantic Segmentation、WSSS）は、ラベル付きデータが少ない状況で高精度なセグメンテーションを実現することを目的とし、画像ラベルやバウンディングボックス、点レベルのラベルなどの粗いアノテーションを利用して、ピクセル単位のセグメンテー...
現代のディープラーニング技術における生体データのエラー訂正に関する再考 背景 情報技術の発展に伴い、生体データは認証や安全なデータ保管のための重要な要素として利用されています。従来の暗号技術は、均一分布で再現可能なランダム文字列に依存していましたが、指紋や虹彩スキャンのような生体データはそのような特性を備えておらず、生成・保管・取得に課題を抱えています。こうした課題に対処するため、生体データを暗号鍵の生成元として利用する生体認証暗号システム（biometric cryptosystems）が注目されています。しかし、生体データの変動性や外部要因（センサーのノイズなど）により、暗号鍵の正確な復元が困難となり、エラー訂正メカニズムが重要となります。 近年、ディープラーニング（DL）の進展により、...
学術論文報告 研究ハイライト：低照度活動認識のための擬似教師あり学習と適応型音声-映像統合 学術的背景 本研究では、低照度環境での活動認識の課題を中心に取り組んでいます。既存の活動認識技術は、十分な照明条件下では優れた性能を発揮しますが、暗所環境で記録された映像に対してはほとんど機能しません。この制約は主に以下の2つの理由に起因します：1) 訓練用の低照度映像の不足、2) テスト時の視覚情報の損失を引き起こす低照度でのコントラスト低下。また、従来の映像強調に基づく解法では、映像品質が一定程度向上するものの、色歪みや映像フレーム間の不連続性を引き起こし、活動認識タスクに対して逆効果をもたらすことが多いです。 低照度活動認識は、スマートホーム、自動運転、セキュリティ監視、野生動物観察など、多くの...
高効率画像除雨手法：RainMix増強を活用した高効率深層除雨ネットワーク 背景紹介 降雨は、コンピュータビジョンシステムによってキャプチャされた画像や動画の品質に大きな影響を与えます。雨滴や雨筋は画像の鮮明さを低下させ、歩行者検出、物体追跡、セマンティックセグメンテーションなどのタスクに悪影響を及ぼします。全天候対応の視覚システムを実現するためには、画像除雨が重要な要件となります。 しかしながら、従来の除雨手法は雨モデルの経験的仮定に基づいており、複雑な最適化または反復解法を必要とするため、計算コストが高く、リアルタイム性に欠けます。また、これらの仮定は実際の雨景の複雑な多様性を十分にカバーできず、除雨品質を制約します。 この問題を解決するために、本研究では、除雨問題を予測フィルタリング問...
可視光と赤外線を用いたクロスモダリティ学習に基づくAdaptive Middle-Modality Alignment Learning手法の研究 研究背景と課題 スマート監視システムの需要に伴い、可視光と赤外線を利用した人物再識別（Visible-Infrared Person Re-identification, VIReID）は注目を集める研究分野となっています。本課題は、異なるスペクトルモダリティ（可視光と赤外線）に基づいた人物画像をマッチングさせ、24時間対応の人物識別を実現することを目的としています。可視光画像と赤外線画像は異なる光スペクトルから生成されるため、照明、テクスチャ、色などに大きなモダリティ差が存在し、このクロスモダリティマッチングが大きな課題となっています。 従来の...
グラフクラスタリングに基づく特徴マッチングの研究：局所アフィンコンセンサスの実現と応用 学術的背景と研究動機 特徴マッチングは、コンピュータビジョン分野における基盤的な問題であり、3次元再構成、画像検索、画像登録、SLAM（Simultaneous Localization and Mapping）など、多くのタスクにおいて重要な役割を果たしています。しかし、実際の応用においては、特徴マッチングはノイズ、外れ値（アウトライア）、および様々な画像変換の影響を受け、正確な対応関係を構築することが困難です。グラフモデルに基づく現在の特徴マッチング手法は、その強力な構造表現能力により、これらの問題をある程度解決しますが、以下の課題が残されています： グラフマッチング問題は一般にNP困難であり、計算複...