研究者詳細 - 出口　大輔

講演・口頭発表等 - 出口　大輔

分割表示 713 件中 1 - 20 件目／全件表示 >>

講義スライドのコンテンツ解析に基づく講義動画の自動生成に関する予備検討

水上皓太, 出口大輔, 久徳遙矢, 峰松翼, 村瀬洋

教育学習支援情報システム研究会(CLE) 2025年3月21日

Multi-group Vision Semantic Centroid for Semantic Segmentation 国際会議

Jialei Chen, Daisuke Deguchi, Chenkai Zhang, Zhenzhen Quan, Seigo Ito, Hiroshi Murase

Korea-Japan Joint Workshop on Frontiers of Computer Vision (FCV2025) 2025年2月18日

開催年月日： 2025年

記述言語：英語会議種別：口頭発表（一般）

開催地：Sogang University, Seoul, Korea

Multi-media processing has achieved great success based on
semantic segmentation. Semantic segmentation can be viewed as pixel-
clustering based on semantic prototypes. However, existing methods fo-
cus more on consistent semantics while ignoring the consistency in vi-
sion, making this task challenging. Motivated by the success of discrete
visual representation learning, we propose Multi-group Visual Semantic
Centroid (MVSC) to better cluster the pixels while maintaining consis-
tent semantics of the dense features for any image encoder. Specifically,
we randomly initialize multiple groups of prototypes as multi-groups in
visual space. The visual features are also randomly split into the same
groups and forced to be aligned with the corresponding prototypes. Then
these visual prototypes are projected into the semantic space and super-
vised by the same classifier as the dense features. Compared with existing
methods, MVSC further considers the visual space and thus facilitates
the task. Experimental results on COCO-Stu! show great improvements
compared with previous methods.

A Cross-Modal Knowledge Distillation Approach for RGB-to-Infrared Video Action Recognition 国際会議

Zhenzhen Quan, Daisuke Deguchi, Jialei Chen, Chenkai Zhang, Yujun Li, Seigo Ito, Hiroshi Murase

Korea-Japan Joint Workshop on Frontiers of Computer Vision (FCV2025) 2025年2月18日

物体属性に関する論理制約を用いた車載カメラ画像からの物体検出

星谷那月, 出口大輔, 陳嘉雷, 村瀬洋, 伊藤誠悟

メディアエクスペリエンス・バーチャル環境基礎研究会(MVE) 2025年3月5日

複数歩行者間のインタラクション理解に向けた気づき認識データセットの構築

辰己弘征, 出口大輔, 村瀬洋, 伊藤誠悟

メディアエクスペリエンス・バーチャル環境基礎研究会(MVE) 2025年3月5日

学習活動ログと講義スライドの併用による早期At-risk 検出

尾﨑優也, 出口大輔, 久徳遙矢, 村瀬洋

教育学習支援情報システム研究会(CLE) 2025年3月20日

モノクロ画像を入力としたカラー化 NeRF の検討

水上皓太, 出口大輔, 村瀬洋

情報処理学会第86回全国大会 2024年3月17日

開催年月日： 2024年

記述言語：日本語会議種別：口頭発表（一般）

近赤外線カメラなどでのNeRFを見据え、モノクロ画像を利用したNeRFについて研究した。モノクロ画像をカラー化してNeRFに入力する従来手法では、3次元的な色の一貫性が考慮されておらず、視点の移動により不自然に色が変化する3Dモデルが生成された。その問題を解決するために、NeRFに新たな損失を導入することで視点の移動による色の変化を抑制した。

エンドツーエンド運転モデルの説明性向上のための事前学習に関する予備研究

張琛凱, 出口大輔, 陳嘉雷, 村瀬洋

パターン認識・メディア理解研究会(PRMU) 2024年1月26日

Pedestrian's Gaze Object Detection in Traffic Scene 国際会議

Hiroto Murakami, Jialei Chen, Daisuke Deguchi, Takatsugu Hirayama, Yasutomo Kawanishi, Hiroshi Murase

19th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications (VISAPP) 2024 2024年2月27日

開催年月日： 2024年

記述言語：英語会議種別：ポスター発表

開催地：Rome, Italy

In this paper, we present a new task of detecting an object that a target pedestrian is gazing at in a traffic scene called PEdestrian's Gaze Object (PEGO). We argue that the detection of gaze object can provide important information for pedestrian's behavior prediction and can contribute to the realization of automated vehicles. For this task, we construct a dataset of in-vehicle camera images with annotations of the objects that pedestrians are gazing at. Also, we propose a Transformer-based method called PEGO Transformer to solve the PEGO detection task. The PEGO Transformer directly performs gaze object detection with the utilization of whole-body features without a high-resolution head image and a gaze heatmap which the traditional methods rely on. Experimental results showed that the proposed method could estimate pedestrian's gaze object accurately even if various objects exist in the scene.

Comprehensive Evaluation of End-to-End Driving Model Explanations for Autonomous Vehicles 国際会議

Chenkai Zhang, Daisuke Deguchi, Jialei Chen, Hiroshi Murase

19th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications (VISAPP) 2024 2024年2月27日

開催年月日： 2024年

記述言語：英語会議種別：口頭発表（一般）

開催地：Precise House Mantegna Roma

Deep learning technology has rapidly advanced, leading to the development of End-to-End driving models (E2EDMs) for autonomous vehicles with high prediction accuracy. To comprehend the prediction results of these E2EDMs, one of the most representative explanation methods is attribution-based. There are two kinds of attribution-based explanation methods: pixel-level and object-level. Usually, the heatmaps illustrate the importance of pixels and objects in the prediction results, serving as explanations for E2EDMs. Since there are many attribution-based explanation methods, evaluation methods are proposed to determine which one is better at improving the explainability of E2EDMs.
Fidelity measures the explanation's faithfulness to the model's prediction method, which is a bottommost property. However, no evaluation method could measure the fidelity difference between object-level and pixel-level explanations, making the current evaluation incomplete. In addition, without considering fidelity, previous evaluation methods may advertise manipulative explanations that solely seek human satisfaction (persuasibility). Therefore, we propose an evaluation method that further considers fidelity, our method enables a comprehensive evaluation that proves the object-level explanations genuinely outperform pixel-level explanations in fidelity and persuasibility, thus could better improve the explainability of the E2EDMs.

交通シーン画像からの歩行者の注視対象物推定

村上大斗, 陳嘉雷, 出口大輔, 平山高嗣, 川西康友, 村瀬洋

動的画像処理実利用化ワークショップ(DIA) 2024年3月4日

開催年月日： 2024年

記述言語：日本語会議種別：口頭発表（一般）

開催地：別府国際コンベンションセンタービーコンプラザ

注視対象物推定は，自動運転車両の実現において不可欠な歩行者の行動予測のための重要な要素である．本発表では，交通シーンで歩行者が注視している物体（PEdestrians' Gaze Object: PEGO）を推定するPEGO Transformer V2を提案する．従来手法の多くは，高解像度の頭部画像と視線ヒートマップを用いて歩行者の注視対象物を推定している．しかしながら，遠方にいる歩行者に対して，高解像度の頭部画像を得られないため推定精度が低いという問題があった．そこでPEGO Transformer V2は，歩行者全身の特徴に加え，歩行者位置情報も活用することで性能改善を図る．実験の結果，提案手法であるPEGO Transformer V2は，シーン中の歩行者ごとにそれぞれ正しい注視対象物を推定できることを確認した．

拡散モデルを用いた後ろ姿からの正面画像生成の検討

松雄なずな, 出口大輔, 村瀬洋

情報処理学会第86回全国大会 2024年3月17日

開催年月日： 2024年

記述言語：日本語会議種別：口頭発表（一般）

本発表では，人物の背面画像を入力として正面画像を生成する技術の実現を目的とする.この技術は，監視カメラ映像等に映る人物を人が確認する際の支援などに応用が期待できる．従来の研究では，人物の前向き画像から横向きや後ろ向きの画像を生成する際の精度に比べて，後ろ向き画像からそれ以外の方向を向いた画像を生成した時の精度が劣っていた. この問題を解決するために，本発表では拡散モデルを用いることで背面画像からより精度の高い正面画像を生成する手法を検討した.

A Study on Fixed Orthogonal Prototype Classifier for Semantic Segmentation

Jialei Chen, Daisuke Deguchi, Chenkai Zhang, Xu Zheng, Hiroshi Murase

Pattern Recognition and Media Understanding (PRMU) 2024年1月26日

Distill from CLIP by Token Alignment for Inductive Zero-shot Semantic Segmentation

Jialei Chen, Daisuke Deguchi, Chenkai Zhang, Zhenzhen Quan, Hiroshi Murase

2024年8月9日

Enhancing Explainability of End-to-End Autonomous Driving Models through additional fine-tuning

Chenkai Zhang, Daisuke Deguchi, Jialei Chen, Hiroshi Murase

27th Meeting on Image Recognition and Understanding (MIRU2024) 2024年8月9日

開催年月日： 2024年

記述言語：英語会議種別：ポスター発表

開催地：熊本城ホール（熊本県熊本市中央区桜町3番40号）

In autonomous driving, end-to-end driving models (E2EDMs) have become increasingly popular due to their exceptional predictive performance. This performance stems from leveraging a backbone that is pre-trained on large datasets and then fine-tuned for driving tasks. However, the opaque nature of these E2EDMs presents a challenge to explainability, thus visual explanations are created to shed light on the decision-making process of E2EDMs. Currently, these E2EDMs have been made more explainable by fine-tuning the driving tasks along with a side task designed for explainability. This side task for explainability requires complex structures with auxiliary data, such as the location of objects.
In this paper, we argue that a more effective approach to enhancing the explainability of E2EDMs is to design a fine-tuning specifically focused on explainability. We propose CROp-based COntrastive DIscriminative LEarning (CROCODILE) to enhance a backbone’s capability to accurately identify object features during this additional fine-tuning for explainability. By adopting CROCODILE, we can develop more explainable E2EDMs without relying on auxiliary data or complex structures in the fine-tuning for driving tasks. Our experimental results confirm that our approach enhances the explainability of E2EDMs.

A Decoupled Knowledge Distillation Approach for RGB-to-Infrared Video Action Recognition

Zhenzhen Quan, Jialei Chen, Chenkai Zhang, Daisuke Deguchi, Hiroshi Murase

27th Meeting on Image Recognition and Understanding (MIRU2024) 2024年8月9日

学習活動ログを用いたAt-risk 学生の早期検出：学習活動予測ネットワークの活用

尾﨑優也, 出口大輔, 久徳遙矢, 村瀬洋

第27回画像の認識・理解シンポジウム(MIRU2024) 2024年8月9日

拡散モデルを用いた人物の後ろ姿からの正面服装画像生成

松雄なずな, 出口大輔, 村瀬洋

第27回画像の認識・理解シンポジウム(MIRU2024) 2024年8月9日

Centroid Module for Shaping Feature Space in Semantic Segmentation 国際会議

Jialei Chen, Daisuke Deguchi, Chenkai Zhang, Hiroshi Murase

3rd Asia Conference on Cloud Computing, Computer Vision and Image Processing (3CVIP 2024) 2024年3月23日

モノクロ画像を入力としたカラー化 NeRF の構築

水上皓太, 出口大輔, 村瀬洋

第27回画像の認識・理解シンポジウム(MIRU2024) 2024年8月6日

　前のページ - 次のページ　

<出口 大輔>

講演・口頭発表等 - 出口 大輔

<出口　大輔>

講演・口頭発表等 - 出口　大輔