概要

山崎研究室は、
  • ソーシャルメディアなどに投稿された膨大な数の画像や動画を用いた処理や処理結果を用いたユーザナビゲーションの研究
  • 物体認識や行動認識などといったパターン認識・機械学習の研究
  • 過去の事例に基づく画像処理や進化計算などを用いた処理の最適化・高速化の研究
  • 3次元動画像の生成・処理・評価の研究
などを行っています。
上記テーマに限らずマルチメディア処理に関する様々な研究に触れることが可能です。
国内外の企業や大学との共同研究も行っています。

1. 大規模マルチメディアデータによるユーザナビゲーション

 一般のユーザが、高品質なコンテンツを生成したり適切なタグをつけたりするのは意外と難しい。そこで大規模データのマイニングにより,ユーザのコンテンツ生成活動を支援したり、ユーザの体験そのものの質を高めたりする研究を行っている。画像・映像のみならず、音声、テキストタグ、文書など多岐にわたるメディアを処理対象としている。具体的には、以下のような研究を行っている。
  • 旅行支援(ルート推薦、写真撮影支援、穴場推薦など)
  • SNSにアップロードされた画像・映像の人気予測と人気獲得のための支援・推薦
  • プレゼンテーションの分類・評価・向上支援


2. 自己改善・自己進化する画像認識・機械学習

 当研究室では、機械学習も問題の難しさによって回答に対する自信が変化し、さらに自信が低い時には誤り率が高くなるという機械学習の「確信度」モデルを提唱している。機械学習の確信度を精度よく推定する手法、確信度が低い時に認識結果をより正しそうな結果に更新する手法について検討している。あわせて、進化計算をもちいて複雑な画像認識アーキテクチャやパラメータを自動的に最適化する研究等を行っている。画像認識技術の応用としてファッション画像検索なども行っている。

3. 画像処理における高速最適化手法

 画像・映像処理では、解像度の増大化やデータの大規模化に伴い(例えば、10億枚以上の画像を扱っている)、よりよい解を求めるための最適化手法と現実的な時間で計算するための高速化が求められる。そこで進化計算などを用いた最適化、階層処理による高速化、過去の処理事例の高速検索による画像処理などの研究を行っている。応用先は広く、ステレオ法による奥行き知覚、物体の動き解析、映像の非線形リサイズ、画像のコントラスト強調、物体認識など多種多様である。

4. その他

 上記のカテゴリに属さない魅力的なマルチメディア・画像処理の研究も行っている。たとえば、3次元モデルの圧縮品質とプリント品質の関係性評価、ビデオチャットやバーチャルミラーのためのデプスカメラを用いた顔モデルのリアルタイム生成・合成、女性のメーク画像処理・解析等を行っている。

研究テーマは上記に限らず、様々な新規課題にチャレンジしている。