研究トピック

動画像理解（Video Understanding）

• 動作認識

  • 動作認識 (Action Recognition)

  • ゼロショット動作認識 (Zero-Shot Action Recognition, ZSAR)

• 動作検出

  • 時空間動作検出 (Spatio-Temporal Action Detection)

  • 空間的動作検出 (Temporal Action Localization, TAL)

  • 弱教師あり空間的動作検出 (Wealky-supervised Temporal Action Localization, WTAL)

  • イベント検出 (Event Detection)

  • 物体との相互作用の検出 (Human-Object Interaction (HOI) detection)

物体検出・領域分割（Detection & Segmentation）

• 物体検出

  • 物体検出 (Object Detection)

  • 人物検出 (Person Detection)

  • 歩行者検出 (Pedestrian Detection)

  • Open-Vocabulary物体検出 (Open-Vocabulary Object Detection)

• 追跡

  • 物体追跡 (Object Tracking, Visual Object Tracking, VOT)

  • 単一物体追跡 (Single Object Tracking, SOT)

  • 複数物体追跡 (Multiple Object Tracking, MOT)

• セグメンテーション

  • セマンティックセグメンテーション (Semantic Segmentation)

  • インスタンスセグメンテーション (Instance Segmentation)

  • パノプティックセグメンテーション (Panoptic Segmentation)

  • アモーダルセグメンテーション (Amodal Segmentation)

  • 動画セグメンテーション (Video Segmentation)

  • 物体追跡セグメンテーション (Video Object Segmentation)

• 姿勢推定

  • 人物姿勢推定 (Human Pose Estimation, HPE)

視覚と言語・マルチモーダル（Vision-Language & Multimodal）

• キャプショニング・説明生成

  • 画像キャプショニング (Image Captioning, Dense Captioning)

  • 動画キャプショニング (Video Captioning, Dense Video Captioning)

• 質問応答・領域特定

  • 視覚質問応答 (Visual Question Answering, VQA)

  • 動画質問応答 (Video Question Answering, VideoQA)

  • 視覚的根拠の決定・グラウンディング (Visual Grounding, Video Grounding)

画像・動画の生成と編集（Generation & Editing）

• 生成・変換

  • 画像生成 (Text-to-Image Generation, T2I)

  • 動画生成 (Text-to-Video Generation, T2V)

  • 画像から動画への変換 (Image-to-Video Generation, I2V)

  • 拡散モデルによる画像・動画生成 (Diffusion Models for image / video generation)

  • GANによる画像・動画生成 (GANs for image / video generation)

• 編集・補完（Editing / Inpainting / Outpainting）

  • 画像編集 (Image editing, Image-to-Image Generation, I2I)

  • 画像・動画編集 (Image / Video Editing)

  • インペインティング (Image Outpainting)

  • 動画アウトペインティング (Video Outpainting)

  • 画像・動画補完 (Image / Video Completion)

基盤モデルとアーキテクチャ（Foundation Models & Architectures）

• 基盤モデル（LLM / VLM）

  • 大規模言語モデル (LLM, Large Language Model)

  • 視覚言語モデル (VLM, Visual Language Model)

  • 大規模視覚言語モデル (LVLM, Large Visual Language Model)

  • マルチモーダルLLM (Multimodal LLM, MLLM)

• ネットワークアーキテクチャ

  • CNNモデル (CNN models, CNNs)

  • 時系列モデル (Sequence models)， RNN / LSTM

  • Vision Transformerモデル (Vision Transformer models, ViTs)

  • 自己アテンション・相互アテンション (Self-Attention, Cross-Attention)

  • アテンションマップ (Attention Maps)

  • トークン削減，トークンマージ (Token reduction / merging)

  • Manba

• マルチエージェント対話 (Multi-Agent Dialogue)

  • Chain-of-Thought (CoT)

学習方法（Learning Paradigms）

• パラメータ効率化

  • パラメータ効率のよい再学習 (PEFT, Parameter Efficient Fine-Tuning)

  • アダプタ・LoRA (Adapters, LoRA)

  • 複数LoRAの分離・合成 (Separation / Composition of Multiple LoRAs)

• 様々な学習方法

  • 教師あり学習 (Full-supervised Learning)

  • 弱教師あり学習 (Weak-supervised Learning)

  • 半教師あり学習 (Semi-supervised Learning)

  • マルチラベル学習 (Multi-label learning)

  • マルチインスタンス学習 (Multiple Instance Learning, MIL)

  • 自己教師あり学習 (Self-supervised Learning)

• 様々な環境への対応

  • マルチドメイン学習 (Multi-Domain Learning)

  • マルチタスク学習 (Multi-Task Learning)

  • マルチデータセット学習 (Multi-Dataset Learning)

  • ドメイン適応 (Domain Adaptation)

• 特徴の学習

  • 対照学習 (Contrastive Learning)

  • 埋め込み (Embedding)

  • 表現学習 (Representation Learning)

  • 潜在表現学習 (Latent Representation Learning)

  • Disentangled Representation Learning

• 効率的な学習

  • Zero-shot学習，Few-shot学習 (Zero-/Few-shot Learning)

  • プロンプト学習 (Prompt Learning)

  • 学習クエリ (Learnable Queries)

  • Prompt Tuning

  • コンテキスト内学習 (In-context Learning)

• 連続的な学習

  • 長尺動画学習 (Long-form video learning)

  • オンライン動画ストリーム学習 (Online Video stream Learning)

  • 継続学習 (Continual Learning)

• モデル構造

  • 知識蒸留 (Knowlede Distillation)

  • アンサンブル学習 (Ensemble Learning)

  • MoE (Mixture-of-Experts)

  • MoVE (Mixture-of-Vision Experts)

• データ拡張

  • データ拡張 (Data Augmentation)

  • 動画用データ拡張 (Video Data Augmentation)

• バイアスの解析と対策

  • データセットバイアス (Dataset Bias)

  • 静的バイアス (Static Bias)

  • 物体バイアス (Object Bias)

  • 表現バイアス (Representation Bias)

スポーツ映像解析 (Sports Analytics)

• 選手追跡 (Player Tracking)

• ボールとシャトルの検出・追跡 (Ball / Shuttle Detection and Trackinig)

• コート検出と白線検出 (Court and Line Detection)

• ショット分類 (Shot Classification)

• ショット・ヒットの時刻の検出 (Shot/Hit Detection)

• ラリーの検出と解析 (Rally Detection and Analysis)

• ラリー回数の計測 (Rally Counting)

• ボール回転数計測 (Ball Spin Estimation)

• 戦術キャプション生成 (Tactical captioning)

• 戦術解析 (Tactical Analysis)

• スキル判定 (Skill Estimation)

• カメラキャリブレーション (Camera Calibration)

• データセット構築とアノテーション (Dataset Construction and Annotation)