行動の時系列から作業戦略と部分課題を見つけるTask Explorer
- 行動の時系列から、全体戦略、局所戦略、長さの異なる部分課題を特定する方法を示した。
- クラスタリングに因子分析と文字列編集距離を組み合わせ、実行記録へ部分課題の階層構造を付ける。
- 著者らは戦略の特定と確認用アプリケーションの開発を報告するが、要約には評価指標や数値結果がない。
RESEARCH BRIEFS
論文をさくっと読む
掲載済みの論文解説から、研究の要点を短く紹介します。
インドネシア語・タイ語・ベトナム語の音声を理解するSeaLLMs-Audio
- SeaLLMs-Audioはインドネシア語・タイ語・ベトナム語を主な対象に、音声の書き起こし、翻訳、要約、質問応答などを扱う。
- 著者らは14作業・計580問のSeaBench-Audioを作り、東南アジア３言語の総合評価で比較モデル中最高と報告した。
- 作業別ではMERaLiON-2が上回る項目があり、著者らは回答に言語の混在が残ることも認めている。
画像修復の難しい例に画質評価の報酬を使う、拡散モデルの追加学習
- 画像品質評価モデルの点数を報酬に使い、拡散モデルによる画像修復を追加学習する。
- 正解画像との差が大きい例ほど強化学習を重くし、ノイズ除去の途中の各段階にも報酬を適用する。
- 著者らのLOL-real評価では、DiffBIRのPSNRが16.89、提案法を加えた結果が22.11だった。
画像の領域ごとに表現用の部品数を変える視覚トークン化手法「CDD-VT」
- 画像の小領域ごとに再構成の難しさを手掛かりとして、表現に使う部品数を変える。
- 著者らのImageNet検証では、CLIP重みで初期化しDC-1B-Rで学習した場合、再構成FIDが0.31、ゼロショットTop-1正解率が70.5％だった。
- 実務利用には、対象画像での検索精度と細部の再現性に加え、部品数に伴う処理負荷の確認が要る。
別画風の合成画像を負例に使い、文章から狙った画風を生成するNSYNC
- NSYNCは対象画風の実画像を正例とし、同じ題材から作った別画風の合成画像を負例に使う。
- 正例の学習方向から負例と重なる成分を引き、別の正例と重なる成分を足して、画風の専用語を学習する。
- 著者らのモネ実験では、Stable Diffusion 1.5条件のCSDがTextual Inversionの0.6182に対しNSYNCで0.7232だった。
無線画像伝送の妨害に対応する拡散型復元手法「SecDiff」
- SecDiffは深層JSCCの受信側に拡散モデルを組み込み、妨害された無線画像伝送から画像を復元する。
- 一部帯域の妨害には受信電力に基づく帯域の判定と補完、パイロット偽装には信号と通信路の交互推定を用いる。
- 著者らは妨害時に最速の拡散型比較手法よりPSNRが4.4％高いと報告するが、確認できた本文ではデータセット名や処理時間の絶対値を確認できない。
熱画像の物体検出を学習時のクラス分離とRGB教師モデルで補うCGDet
- CGDetは、正解枠の特徴をクラス別に分けるRCSと、RGB教師モデルの特徴を伝えるCMGを学習に加える。
- 著者はFLIR-alignedの３クラス評価でmAP 47.1、mAR 54.6を報告した。
- 動く対象や遠方の小さな歩行者の見逃しが報告されている。熱画像だけで検出する入力経路の確認も必要である。
Wikidataの更新履歴から質問を作り、検索が新しい事実に追いつくか測る
- Wikidataの２時点間で追加・更新された事実から、正解を検証できる質問を自動生成する。
- 2021年版と2025年版を各300問作り、検索なし・検索ありの回答をExact Matchで評価した。
- 著者らは2025年版での得点低下を報告する一方、問題の難度差も解釈上の注意点として挙げている。
検索から回答の見直しまで、RAGの構成を一括で探すRAGSmith
- RAGSmithは、九つの技術群からなる46,080通りのRAG構成を対象に、検索と回答の成績を合わせて探索する。
- 著者らは、Wikipedia由来の六分野、各100問で、基本的なRAGに対する総合成績の改善が平均+3.8%だったと報告する。
- 社内文書への適用には、正解箇所と確認済み回答を用意し、回答品質に加えて時間と探索費用を検証する必要がある。
応急手当の問答5500組を生成し、200組を医療専門職が評価
- 著者らは『Vital First Aid Book』（2019年）を基に、ChatGPT-4o-miniで応急手当の質問回答を5500組作成し、公開した。
- 無作為に選んだ200組を医療専門職3人が5段階で評価し、安全性と正確性の平均点は3.7だった。
- 小規模モデルの学習への利用を想定しているが、学習後のモデルの性能や現場での有効性は示されていない。
制御器と安定性を示す関数を一緒に学ぶ非線形制御法
- CLF候補と制御器の形に安定性の条件を組み込み、両者を一緒に学習する。
- 著者らは倒立振子150件と経路追従90件で、CLF発見の成功率と成功例の安定領域の面積を比較対象とした。
- 手法別の結果数値は確認できた本文の範囲にない。CLF候補が平衡点以外で必ず正になるという説明も、式との照合が必要である。
退色した中国絵画の明るさを回復し、残存色を手掛かりに色を補正するPRevivor
- 退色画像の明るさを先に回復し、残った色を手掛かりに色を補正する二段階の手法。
- 専門家による修復画像10点を参照した評価で、著者らはPSNR 17.39、SSIM 0.50、ΔColorfulness 1.70を報告した。
- 著者らが挙げる限界は、色領域ごとの細かな操作ができないことと、二段階学習の計算負荷。