イベント企画
トップコンファレンス5-1 パターン認識・メディア理解
2026/9/3(木) 15:30-17:30
第4イベント会場
第4イベント会場
座長：武 淑瓊（大阪大学）
15:30-15:50 講演(1) 介助動作学習：マルチエージェント強化学習を通じた物理法則に基づく人間交流制御 | |
| 柴田 優斗（慶應義塾大学 理工学研究科青木研究室 後期博士課程学生） | |
| 【原発表の書誌情報】Shibata, Y., Yamazaki, K., Jayanti, L., Aoki, Y., Isogawa, M., Fragkiadaki, K.: Learning to Assist: Physics-Grounded Human-Human Control via Multi-Agent Reinforcement Learning, Proc. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), pp.38345-38354 (2026). | |
| 【概要】身体的接触を伴うヒューマノイドの支援動作に向け、人物間の相互作用をマルチエージェント強化学習で定式化したAssistMimicを紹介します。事前知識転移等により複雑な介助動作追従に成功した初の事例です。 | |
 | 【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。 |
15:50-16:10 講演(2) 少数IMUとインソール圧力センサを用いた物理ベースの人間運動計測 | |
| 堀 涼介（国立研究開発法人 産業技術総合研究所 情報・人間工学領域 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） | |
| 【原発表の書誌情報】Ryosuke Hori, Jyun-Ting Song, Zhengyi Luo, Jinkun Cao, Soyong Shin, Hideo Saito, Kris Kitani, "Ground Reaction Inertial Poser: Physics-based Human Motion Capture from Sparse IMUs and Insole Pressure Sensors," Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), pp. 28435-28445, 2026. | |
| 【概要】4つのウェアラブルセンサ（IMU・足圧）を用い、物理シミュレータ上のデジタルツインにより身体運動を再構成するGround Reaction Inertial Poser（GRIP）を提案する。さらに、新規マルチモーダルデータセットPRISMを構築し、高精度かつ物理的に妥当な推定を実現した。 | |
 | 【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。 |
16:10-16:30 講演(3) 非対称量子化の再考: | |
| 森 政文（株式会社デンソー 先進モビシス開発部 係長） | |
| 【原発表の書誌情報】Masafumi Mori, Shinya Gongyo, Mitsuru Ambai. “Rethinking Asymmetric Quantization: Hidden Symmetry in Vision Model Weights.” Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 33609–33620. | |
| 【概要】PTQにおける非対称量子化はハードウェア効率に課題がある。本研究は外れ値除去で現れる分布の対称性に着目し，重みを密行列と疎行列に分解することで，高精度を維持しつつ低計算量・低電力を実現する手法を提案する。 | |
 | 【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。 |
16:30-16:50 講演(4) マルチモーダル大規模言語モデルにおけるハルシネーション検出および編集 | |
| 和田 唯我（慶應義塾大学 理工学研究科 後期博士課程２年） | |
| 【原発表の書誌情報】Wada, Y., Matsuda, K., Sugiura, K. and Neubig, G., ZINA: Multimodal Fine-grained Hallucination Detection and Editing. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, pp. 32528-32538 (2026). | |
| 【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． |
16:50-17:10 講演(5) 視覚言語モデルを用いた動的グループ検出 | |
| 横山 要（豊田工業大学大学院知能情報メディア研究室） | |
| 【原発表の書誌情報】Yokoyama, K., Nakatani, C., Ukita, N.: Dynamic Group Detection using VLM-augmented Temporal Groupness Graph, Proc. IEEE/CVF International Conference on Computer Vision (ICCV), pp. 10475-10484 (2025) | |
| 【概要】本研究は，従来のグループ検出手法で見落とされてきた，グループ検出に有用な画像の大域的特徴を視覚言語モデルによって活用する方法を提案する．さらに，新たにグラフ最適化を導入することでビデオ内で時間的に変化するグループの安定な検出を可能にする． | |
 | 【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。 |