FIT2026 第25回情報科学技術フォーラム

イベント企画

コンピュータビジョン・イメージメディア・パターン認識・メディア理解

2026/9/3(木)　9:30-12:00

【企画概要】コンピュータビジョン・イメージメディア・パターン認識・メディア理解に関する最新の技術話題について，3 件程度の話題（講演者）を提供する予定である．例えば，生成AI，LLM・VLM, Physical AI などの話題を想定している．
9:30-9:50 講演（1）　Learning to Assist: Physics-Grounded Human-Human Control via Multi-Agent Reinforcement Learning
柴田優斗（慶應義塾大学　理工学研究科　青木研究室　学生）
【概要】ヒューマノイドによる身体的接触を伴う支援動作の実現は、相手の姿勢変化への迅速な適応が求められ極めて困難です。本講演では、力の授受を伴う密接な人物間相互作用の模倣をマルチエージェント強化学習として定式化した「AssistMimic」を紹介します。単一人物の動作制御方策の事前知識転移や、動的リターゲティングおよび接触促進報酬の導入により、複雑な支援動作の追従に成功した初の事例を解説します。
	【略歴】2022年慶應義塾大学理工学部卒業。2023年同大学院理工学研究科修士課程を早期修了し、現在、同博士後期課程に在籍。2026年よりカーネギーメロン大学訪問研究員。人物の状態推定やヒューマノイド制御に関する研究に従事。
9:50-10:10 講演（2）　ウェアラブルセンサによる人間動作理解
堀涼介（国立研究開発法人産業技術総合研究所　人工知能研究センターデジタルヒューマン研究チーム　研究員）
【概要】人間の動作を理解するには、身体の姿勢だけでなく、接地状態や身体に加わる力など、身体と環境の相互作用を捉えることが重要です。近年、カメラや慣性計測装置（IMU）などのウェアラブルセンサを用いることで、実験室に限らず日常空間における人間動作を計測・解析する研究が進展しています。本講演では、ウェアラブルセンサに基づく人間動作計測の利点と課題を概説し、少数のセンサから全身動作や身体力学を推定する研究事例を紹介します。さらに、コンピュータビジョンや物理シミュレーションとの統合を通じて、実環境における人間動作理解をどのように発展させられるかについて述べます。
	【略歴】2026年慶應義塾大学にて工学博士号取得。博士課程在学中は日本学術振興会特別研究員DC1、産業技術総合研究所人工知能研究センターRAとして研究に従事し、Carnegie Mellon University Robotics Instituteにて訪問研究員を務める。2026年より産業技術総合研究所人工知能研究センターデジタルヒューマン研究チームに研究員として着任。ウェアラブルセンサ、物理シミュレーション、コンピュータビジョンを用いた人間動作計測・デジタルヒューマン研究に従事。
10:20-10:40 講演（3）　Rethinking Asymmetric Quantization: Hidden Symmetry in Vision Model Weights
森政文（株式会社デンソー）
【概要】ポスト学習量子化（PTQ）における非対称量子化の課題に対し、本研究では重み分布に潜む対称性に着目する。外れ値を分離することで対称構造を活用可能であることを示し、重みを密行列と疎行列に分解するDASQを提案する。これにより高精度と低消費電力を両立する。
	【略歴】北海道大学大学院修士課程修了。東芝を経て、現在は株式会社デンソーにて研究開発に従事。リコンフィギャラブルシステム研究会専門委員。主に深層学習モデルの高速化に関する研究に取り組む。
10:40-11:00 講演（4）　ZINA: Multimodal Fine-grained Hallucination Detection and Editing
和田唯我（慶應義塾大学理工学研究科情報工学　学生）
【概要】マルチモーダル大規模言語モデル（MLLM）は高い画像理解能力を示す一方，ハルシネーションが依然として問題視されている．本研究では，MLLMのハルシネーションを細粒度に検出・分類し，適切な修正案を提示する手法ZINAを提案する．実験により，既存の大規模モデルを上回る検出・修正性能を得た．
	【略歴】慶應義塾大学大学院理工学研究科後期博士課程2年．2024年9月，同研究科修士課程（工学）を短期修了．2025年より日本学術振興会特別研究員（DC1）．2024年 JST BOOST次世代AI人材育成プログラム研究員．未踏ITスーパークリエータ（落合陽一PM）．2025年，Carnegie Mellon Universityにて研究に従事．専門は画像言語理解，自然言語処理，マルチモーダルAI．
11:10-11:30 講演（5）　Dynamic Group Detection using VLM-augmented Temporal Groupness Graph
Kaname Yokoyama（Toyota Technological Institute　豊田工業大学大学院工学研究科先端工学専攻知能情報メディア研究室）
【概要】グループ検出とは動画の中から人間のグループを検出するタスクである．複雑なグループを検出するためには，同一グループ内人物の局所的な外観特徴だけでなく，シーン全体の大域的文脈も重要である．提案手法では，各フレームにおけるこれらの局所・大域的外観特徴を，グループ検出用に拡張したVision-Language Model（VLM）によって抽出する．さらに性能向上のためには，時間方向においてグループ構造が一貫している必要がある．従来手法は動画中でグループが変化しないという仮定のもとで安定化を行っていたのに対し，本手法では，グループ性を考慮したCLIP特徴から推定される全フレームのグループ所属確率を用いたグラフ最適化により，時間的に変化するグループを動的に検出する．実験結果より，提案手法が公開データセットにおいて既存の最先端グループ検出手法を上回る性能を達成することを示した．
	【略歴】2025年豊田工業大学工学部先端工学基礎学科卒業。同年同大学大学院工学研究科先端工学専攻修士課程入学、現在在学中。知能情報メディア（浮田）研究室にてモーション言語モデルの研究に従事。