一般セッション

[1D3-GS-7] 画像音声メディア処理：

2024年5月28日(火) 13:00 〜 14:40 D会場 (イベントホール仮設2)

座長：田崎豪（名城大学）

+全てマイスケジュールに登録

13:00 〜 13:20

[1D3-GS-7-01] 単一クラス画像を用いたセグメンテーション精度の向上

〇前島崇宏¹、平間毅¹ (1. 茨城県産業技術イノベーションセンター)

13:20 〜 13:40

[1D3-GS-7-02] マルチモーダルEmbeddingsによるECサイト画像のスタイル分析

〇葛木美紀¹、田中謙司¹ (1. 東京大学大学院)

13:40 〜 14:00

[1D3-GS-7-03] ハルシネーションに頑健な画像キャプション生成の自動評価

〇松田一起¹、和田唯我¹、杉浦孔明¹ (1. 慶應義塾大学)

14:00 〜 14:20

[1D3-GS-7-04] 音声認識結果と誤読候補リストを用いた読み間違い検出

〇齊藤新¹、松崎拓也¹ (1. 東京理科大学)

14:20 〜 14:40

[1D3-GS-7-05] Alternative Adapter Model: 視覚言語基盤モデルのための視覚的説明生成

〇平野愼之助¹、飯田紡¹、杉浦孔明¹ (1. 慶應義塾大学)

一般セッション

[2C1-GS-7] 画像音声メディア処理：

2024年5月29日(水) 09:00 〜 10:40 C会場 (イベントホール仮設1)

座長：西澤直樹（（株）東芝）

+全てマイスケジュールに登録

09:00 〜 09:20

[2C1-GS-7-01] 深層学習に基づいた富山弁音声認識とその標準日本語への変換

〇堀元優花¹、張逸群¹、斎藤博昭¹ (1. 慶應義塾大学)

[[オンライン]]

09:20 〜 09:40

[2C1-GS-7-02] テキストプロンプトによるデザイン変更が可能な試着画像生成

〇武本孝輔¹、越仲孝文¹ (1. 横浜市立大学)

講演取消

09:40 〜 10:00

[2C1-GS-7-03] 漫画データにおける吹き出しを考慮した条件付けによる拡散モデルの追加学習

〇寺澤滉士良¹、鈴木雅大¹、松尾豊¹ (1. 東京大学)

10:00 〜 10:20

[2C1-GS-7-04] テキストと述語論理を用いた拡散モデル

〇末吉耕大¹、松原崇¹ (1. 大阪大学大学院基礎工学研究科)

10:20 〜 10:40

[2C1-GS-7-05] LLMエージェントによるText-to-Design手法の検討

〇關百咲¹、菊池康太郎²、井上直人²、大谷まゆ²、山口光太²、シモセラエドガー¹ (1. 早稲田大学、2. サイバーエージェント)

一般セッション

[2C6-GS-7] 画像音声メディア処理：

2024年5月29日(水) 17:30 〜 19:10 C会場 (イベントホール仮設1)

座長：寺下直行（株式会社日立製作所）

+全てマイスケジュールに登録

17:30 〜 17:50

[2C6-GS-7-01] 工事現場映像における深度情報を活用した重機接触事故リスクの推定

〇五箇亮太¹、前田圭介¹、藤後廉¹、小川貴弘¹、長谷山美紀¹ (1. 北海道大学)

17:50 〜 18:10

[2C6-GS-7-02] 広告動画視線予測のためのバックボーン変更による
顕著性マップ予測モデルの性能改善

渡邉太郎¹、〇大西一貫¹ (1. 株式会社博報堂テクノロジーズ)

18:10 〜 18:30

[2C6-GS-7-03] マルチモーダルモデルによる公共空間の行動認識

〇岡野将大¹、吉田龍人¹、藤井純一郎¹、高森秀司¹、天方匡純¹ (1. 八千代エンジニヤリング株式会社)

18:30 〜 18:50

[2C6-GS-7-04] Person-ReID：深層学習モデルが何を見ているか？

〇ダウアイン　ジュン¹、中村康弘¹、佐藤浩¹ (1. 防衛大学校)

18:50 〜 19:10

[2C6-GS-7-05] 外部視覚注視機構による深層学習の異常検出における注視領域生成過程の解析

〇城間亮¹、中西慶一¹、片渕凌也¹、徳永旭将¹ (1. 九州工業大学)

一般セッション

[4I1-GS-7] 画像音声メディア処理：

2024年5月31日(金) 09:00 〜 10:40 I会場 (41会議室)

座長：石川開（日本電気株式会社）[[オンライン]]

+全てマイスケジュールに登録

09:00 〜 09:20

[4I1-GS-7-01] 精度と誤差一貫性に基づく人と深層モデルの単眼相対奥行き応答の比較

〇久保田祐貴¹、吹上大樹¹ (1. NTTコミュニケーション科学基礎研究所)

09:20 〜 09:40

[4I1-GS-7-02] マルチアスペクト比Vision Transformerの事前学習と広告画像の効果予測への応用

〇丹治直人¹、山崎俊彦² (1. Septeni Japan株式会社、2. 東京大学)

09:40 〜 10:00

[4I1-GS-7-03] Layer-Wise Relevance Propagation for ResNet：保全公理を満たす視覚的説明生成

〇小槻誠太郎¹、飯田紡¹、デュブレフェリックス¹、平川翼²、山下隆義²、藤吉弘亘²、杉浦孔明¹ (1. 慶應義塾大学、2. 中部大学)

10:00 〜 10:20

[4I1-GS-7-04] 拡散モデルの初期値最適化による画像編集

〇橋野真¹、松原崇¹ (1. 大阪大学)

10:20 〜 10:40

[4I1-GS-7-05] NeRFに適した数値積分法の検討

〇赤木稜¹、松原崇¹ (1. 大阪大学大学院基礎工学研究科)

一般セッション

[4I3-GS-7] 画像音声メディア処理：

2024年5月31日(金) 14:00 〜 15:20 I会場 (41会議室)

座長：宇野裕（日本電気株式会社）

+全てマイスケジュールに登録

14:00 〜 14:20

[4I3-GS-7-01] U-netによる頭蓋顔面CTの中間画像作成(reslice)

〇西本聡¹ (1. 兵庫医科大学)

14:20 〜 14:40

[4I3-GS-7-02] 3D landmarkに基づく個人最適化されたEye Aspect Ratioによる瞬目検出手法

〇斉藤功樹¹ (1. BIPROGY株式会社)

14:40 〜 15:00

[4I3-GS-7-03] LVLMsにおけるAttention Mapと勾配情報を活用したObject Hallucinationの検出と修正

〇山路和希¹、高木友博¹ (1. 明治大学大学院)

15:00 〜 15:20

[4I3-GS-7-04] 進化型多目的最適化を用いた視覚的情報秘匿用の符号化開口の設計

〇横川優¹、太田和宏¹、水俣友希¹、川崎洋²、長原一³、小野智司¹ (1. 鹿児島大学、2. 九州大学、3. 大阪大学)

[[オンライン]]

セッション一覧

一般セッション » GS-7 画像音声メディア処理

[1D3-GS-7] 画像音声メディア処理：

[1D3-GS-7-01] 単一クラス画像を用いたセグメンテーション精度の向上

[1D3-GS-7-02] マルチモーダルEmbeddingsによるECサイト画像のスタイル分析

[1D3-GS-7-03] ハルシネーションに頑健な画像キャプション生成の自動評価

[1D3-GS-7-04] 音声認識結果と誤読候補リストを用いた読み間違い検出

[1D3-GS-7-05] Alternative Adapter Model: 視覚言語基盤モデルのための視覚的説明生成

[2C1-GS-7] 画像音声メディア処理：

[2C1-GS-7-01] 深層学習に基づいた富山弁音声認識とその標準日本語への変換

[2C1-GS-7-02] テキストプロンプトによるデザイン変更が可能な試着画像生成

[2C1-GS-7-03] 漫画データにおける吹き出しを考慮した条件付けによる拡散モデルの追加学習

[2C1-GS-7-04] テキストと述語論理を用いた拡散モデル

[2C1-GS-7-05] LLMエージェントによるText-to-Design手法の検討

[2C6-GS-7] 画像音声メディア処理：

[2C6-GS-7-01] 工事現場映像における深度情報を活用した重機接触事故リスクの推定

[2C6-GS-7-02] 広告動画視線予測のためのバックボーン変更による
顕著性マップ予測モデルの性能改善

[2C6-GS-7-03] マルチモーダルモデルによる公共空間の行動認識

[2C6-GS-7-04] Person-ReID：深層学習モデルが何を見ているか？

[2C6-GS-7-05] 外部視覚注視機構による深層学習の異常検出における注視領域生成過程の解析

[4I1-GS-7] 画像音声メディア処理：

[4I1-GS-7-01] 精度と誤差一貫性に基づく人と深層モデルの単眼相対奥行き応答の比較

[4I1-GS-7-02] マルチアスペクト比Vision Transformerの事前学習と広告画像の効果予測への応用

[4I1-GS-7-03] Layer-Wise Relevance Propagation for ResNet：保全公理を満たす視覚的説明生成

[4I1-GS-7-04] 拡散モデルの初期値最適化による画像編集

[4I1-GS-7-05] NeRFに適した数値積分法の検討

[4I3-GS-7] 画像音声メディア処理：

[4I3-GS-7-01] U-netによる頭蓋顔面CTの中間画像作成(reslice)

[4I3-GS-7-02] 3D landmarkに基づく個人最適化されたEye Aspect Ratioによる瞬目検出手法

[4I3-GS-7-03] LVLMsにおけるAttention Mapと勾配情報を活用したObject Hallucinationの検出と修正

[4I3-GS-7-04] 進化型多目的最適化を用いた視覚的情報秘匿用の符号化開口の設計

認証