検索パネルを開く 検索パネルを閉じる メニューを開く メニューを閉じる

2024年5月28日

お知らせ

コンピュータビジョン分野の最高峰国際会議CVPRにNTT研究所から3件採択

2024年6月17日から21日まで(米国太平洋時間)アメリカ シアトル および オンライン のハイブリッド形式で開催される、コンピュータビジョン分野の最高峰国際会議 CVPR(IEEE/CVF Conference on Computer Vision and Patter Recognition)2024 において、NTT研究所より提出された3件の論文が採択されました。CVPR2024の採択率は23.6%(11532件の応募から2719件採択)と、難関国際会議として知られています。
 (以下、NTTコンピュータ&データサイエンス研究所はCD研、NTTコミュニケーション科学基礎研究所はCS研と略します。)

Improving Physics-Augmented Continuum Neural Radiance Field-Based Geometry-Agnostic System Identification with Lagrangian Particle Optimization

金子 卓弘 特別研究員(CS研)

多視点の動画から物体の幾何形状と物理特性を推定するシステム同定のタスクにおいて、Lagrangian Particle Optimizationと呼ぶ新たな最適化手法を提案し、学習データが限定的な状況(例えば、視点の数が限られているなど)においても精度よくシステム同定を行うことを可能にしました。

Understanding and Improving Source-free Domain Adaptation from a Theoretical Perspective

三鼓 悠 研究員(CS研)、木村 昭悟 主席研究員(CS研)、鹿島 久嗣 教授(京都大学)

学習済みのモデルを、学習に用いた元データを再利用することなく新しい環境のデータに適応させる技術である"Source-freeドメイン適応"について、既存技術に対する理論的な解釈を提示するとともに、それに基づく改良手法を提案しました。

Adaptive Random Feature Regularization on Fine-tuning Deep Neural Networks

山口 真弥 准特別研究員(CD研)、金井 関利 研究主任(CD研)、足立 一樹 研究員(CD研)、千々和 大輝 研究員(CD研)

深層学習モデルの標準的な学習設定であるファインチューニングにおいて、動的な事前分布から生成されたランダム参照ベクトルによってモデルを高精度化する手法を提案、従来法と比較して小さな計算コストで大きく上回る精度を達成しました。

NTTのR&Dは、環境にやさしい持続的な成長、多様性に寛容な個と全体の最適化を狙う未来のコミュニケーション基盤であるIOWN(Innovative Optical and Wireless Network)構想を掲げ、その実現に向けた研究開発を進めてまいります。また、それとともに、今後も研究テーマの多様性・継続性を大切に、NTTグループの各事業会社をはじめ、さまざまな分野の産業界の方々と一緒に、さまざまな社会的課題を解決し、人々が意識することなく技術の恩恵を受けることができるスマートな世界の実現をめざし、世界を変革する技術の研究開発を続けていきます。

トピックスに記載している情報は、発表日時点のものです。
現時点では、発表日時点での情報と異なる場合がありますので、あらかじめご了承いただくとともに、ご注意をお願いいたします。